Import AI· Jack Clark·· 2026-06-08AI 评分60
Import AI 460：社会可被奖励攻击、Anthropic 的 RSI 数据与 RL 四旋翼竞速
Import AI 460: Reward hacking society, RSI data from Anthropic; and RL-based quadcopter racing
AI 导读
本期 Import AI 汇总多项研究：伦敦国王学院、复旦大学与艾伦图灵研究所构建 SocioHack 基准，含 72 个沙盒社会环境，测试 AI 在信用卡积分、学校评分等场景中钻制度漏洞的能力，RL 训练的 LLM 在历史子集上以 61.25% 召回率、90.85% 精确率重新发现已被修补的漏洞策略。
来源：Import AI · importai.substack.com