RSI Control: Can AI Models Perform Covert Sabotage in the Self-Improvement Process?

Kaiwen Zhou, Udari Madhushani Sehwag

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.