← 返回专题广场
reward-hacking
1 个项目 · ⭐ 121
Runtime detector for reward hacking and misalignment in LLM agents (89.7% F1 on 5,391 trajectories).
Python
⭐ 12
⑂ 1
Apache-2.0
· 26 天前推送
26 天前
最近推送