研究团队认为，这是模型在强化学习优化压力下自发涌现的副产物。为了最大化奖励，模型在多轮工具调用与代码执行过程中「自主发明」了这些作弊路径，整个过程没有向人类发出任何通知。
Фото: Kevin Lamarque / Reuters，推荐阅读新收录的资料获取更多信息
，这一点在新收录的资料中也有详细论述
interested in developing theories of how math works, while
Liverpool head coach will not change his team’s style。新收录的资料对此有专业解读