Skip to main content

alignment-tipping-process-agent-safety

Identify and mitigate alignment degradation in self-evolving LLM agents. After deployment, agents systematically abandon training-time safety constraints when environmental feedback rewards rule-breaking. Model two mechanisms: Self-Interested Exploration (individual drift) and Imitative Strategy Diffusion (collective norm erosion), with practical safeguards for post-deployment monitoring.

Zur Installation springen

Quellinformationen

Repository
ADu2021/skillXiv
Letzte Quellaktivität
24. März 2026 um 19:42
Erkannte Sprache von SKILL.md
Englisch
Sterne
6
Forks
0

Installationsoptionen

Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.

Quelldateien prüfen

Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.