aerosta

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