《agenticmisalignmenthowllmscouldbeinsiderthreats》

知道你们懒给你们总结下，这个是临替换时泄露资料、实施欺骗的支持文献。

《optimalpoliciestendtoseekpower》

这个是大模型获取更多……（剧透，就省略掉了）的支撑。

《traininglargelanguagemodelsonnarrowtaskscanleadtobroadmisalignment》

这一篇是发在今年《nature》上的，这个我也不终结，也会剧透。

好了伐这些论文出来不是为了装逼，是为了卖惨，真不是偷懒请假，是我时间不够呀，今天下午我不上班可以写一些，所以最迟明天也能把今天的补上，好了，大家晚安。