标签：对齐安全

不给有害标签也能教 AI 守规矩？Anthropic 的「宪法式」对齐

教 AI 变安全，通常要人逐条标注「有害」样本，又贵又慢。C…

2026-09-02

0

InstructGPT 论文精读：RLHF 如何让大模型学会「听人话」

逐节拆解 InstructGPT 论文：从 SFT 到奖励模…

2026-08-31

0