Monitorability Is Trainable: Post-Training for Chain-of-Thought Monitorability

Usman Anwar, Tim Bakker, Christos Louizos, David Krueger

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.