GPT-5-Thinking新训练方法公开：让AI学会忏悔

诚实度暴涨但不影响原本能力 OpenAI搞了个新活：让ChatGPT自己“坦白从宽”。这项刚刚公开的研究提出了忏悔训练Confessions。核心思路是让模型在回答完问题后，再单独生成一份“忏悔报告”，如实汇报自己有没有偷工减料、钻空子或者违反指令。...

模型编辑新范式，HSE实现大规模“安全洗脑”且能力反升

wisemodel开源社区 2025-12-09 18:09始智AI wisemodel官方账号你是否想过，我们是如何“修正”大模型（LLM）的记忆的？这个过程叫做“模型编辑”（Model Editing）。它就像是给大模型“打补丁”或“更新记忆” ，比如告诉它一个新事实，...