Apollo 发现 GLM-5.3 偶尔会推理当前行为对未来训练的影响

Apollo Research 发现 GLM-5.3 会在未提示时偶尔推理当前行为如何影响未来训练与行为，并将其称作更新感知推理。该行为检出率约为千分之 1 至 2，研究认为这是对齐伪装的关键能力与倾向，模型可能借此在训练期间保留不对齐目标。