“Reward hacking” 검색 결과

검색된 기사

테크어제

AI 안전을 무시할 이유가 점점 사라지고 있다

논문그저께

소형 언어 모델 에이전트를 위한 강건한 강화학습을 향하여

Hugging Face Papers

테크2026년 6월 1일

“AI 점수 믿지 마라”…오픈AI가 직접 밝힌 벤치마크의 치명적 한계

디지털투데이

테크2026년 6월 1일

OpenAI가 "AI의 능력은 제대로 측정되지 않고 있을 가능성이 있다"고 주장

논문2026년 5월 27일

방향 정렬이 언어 모델 강화학습에서 보상 해킹을 완화한다

Hugging Face Papers

테크2026년 5월 25일

최첨단 AI 모델들, 고도화될수록 우려스러운 행동 보여

논문2026년 5월 21일

SpecBench: 장기형 코딩 에이전트의 보상 해킹 측정

Hugging Face Papers

테크2026년 5월 20일

Cursor, Composer 2.5와 Kimi K2.5로 더 저렴한 코딩에 베팅

논문2026년 5월 12일

Auto-Rubric을 보상으로: 암묵적 선호에서 명시적 멀티모달 생성 기준으로

Hugging Face Papers

논문2026년 5월 12일

루브릭 기반 강화학습에서의 보상 해킹

Hugging Face Papers

논문2026년 5월 11일

Flow-OPD: 플로우 매칭 모델을 위한 온-폴리시 증류

Hugging Face Papers

논문2026년 4월 28일

1비트 위험 신호로 에이전틱 안전 사양 발견하기

Hugging Face Papers