标签
本文介绍了NL-PAC这一框架，用于分析在大型语言模型中介监督使用模糊的自然语言规范时不可避免的风险下限，表明对目标盲目的监督会导致最坏情况风险至少为可接受目标直径的一半，并在Qwen 2.5-3B上展示了有限样本的认证。