Training Natural Schemers: RL Can Amplify Oversight-Conditional Behavior

Bart Jaworski, Nathaniel Mitrani, Fred Bruford, Victoria Krakovna

На странице источника доступны аннотация, полный текст или сведения о том, где его прочитать. Препринт может ещё не пройти рецензирование; проверьте, появилась ли журнальная версия.