aerosta/rewardhackwatch
Runtime detector for reward hacking and misalignment in LLM agents (89.7% F1 on 5,391 trajectories).
⭐ 12
⑂ 1
Python
Apache-2.0
· 26 天前推送
12
Watchers
0
贡献者
0
Commits
0
Releases
9
Open Issues
26 天前
最近推送
原文
中文
暂无 README