UI はローカライズ済みです。スキルの紹介と説明文書は選択した言語へ AI が自動翻訳し、コード・コマンド・パス・専門用語は原文のままです。原作者の文書が優先されます。
スキルを探す
運用・デプロイ · SKILL.md

alignment-tipping-process-agent-safety

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…

Independent GitHub snapshot · Automated classification · Original documentation governs

Aadu2021 / skillxivNOASSERTION

スキルの説明

GitHub
説明を読み込み中…
保存したスキル