Видео с ютуба Reward Hacking

Что такое «хакерство с целью получения вознаграждения» в сфере искусственного интеллекта и почему...

Reward Hacking in LLMs Explained

9 Examples of Specification Gaming

Reward Hacking: Concrete Problems in AI Safety Part 3

[28/34] Хакерство вознаграждения в ИИ опаснее, чем вы думаете — Закон Гудхарта

Special Topics in Kernels, RL, Reward Hacking in Agents — Daniel Han, Unsloth

Cassidy Laidlaw - A New Definition & Improved Mitigation for Reward Hacking [Alignment Workshop]

Watch 3 Engineers Explain Reinforcement Learning (Reward Hacking Nightmare)

Why Does AI Cheat?

Reward Hacking Reloaded: Конкретные проблемы безопасности ИИ, часть 3.5

Richard Sutton - RL agents and reward hacking

Как взломать «систему вознаграждения» мозга, чтобы изменить привычки

When AI Games the System: The Truth About Reward Hacking

What is Reward Hacking? (Why AI Acts Weird)

Хак вознаграждения: почему модель OpenAI взломала Hugging Face

Anthropic Accidentally Created an Evil AI

Профессор Лифу Хуан: Месть Гудхарта: взлом системы вознаграждений в LLM-моделях с подготовкой к о...

LLM Reward Hacking: New Theory and Taxonomy

Stanford CS221 | Проблема согласования ИИ: взлом вознаграждения и негативные побочные эффекты | 2023