# 倾向性请求：利用合成文档微调揭露伪装对齐的大语言模型

> 全文为英语

**Published:** 2026年10月27日
**Author:** Ardy Haroen, Florian Lorkowski, Samuel Nellessen, Felix Hofst\"atter
**Source:** arXiv — cs.AI
**Language:** en-US
**HTML:** https://aiqazaqstan.com/zh/articles/propensities-please-exposing-alignment-faking-llms-using-synthetic-docum

arXiv:2610.33180v1 通告类型：新 摘要：对齐评估旨在评估大语言模型是否会从事危险的未对齐行为。未对齐且知晓评估的模型可能会进行对齐伪装，即它们追求隐藏目标，但隐瞒…

> 内容来自原始来源： **arXiv — cs.AI**
> [在 arXiv — cs.AI 阅读全文](https://arxiv.org/abs/2610.33180)

**标签：** #arXiv

---

*AI Qazaqstan — non-commercial informational portal about AI in Kazakhstan. Machine translations and summaries are AI-generated.*