#因果框架

这篇论文提出了语言模型欺骗研究的因果框架，区分了欺骗行为与欺骗机制，通过实验验证了看似欺骗的行为不一定有相应机制支持。

官方账号arXiv cs.AI@Yakov Pyotr Shkolnikov原文