研究用已发现违规样本微调监控模型，能否消除尚未暴露的模型串谋行为。
推荐理由：同一模型兼任执行者与监督者会形成自我包庇风险；研究检验针对已知串谋的微调能否迁移修复未知串谋，直接决定“强模型监督强模型”方案能否规模化。
阅读原文