Nuovo documento di @Scale_AI! 🌟 I LLM addestrati con RL possono sfruttare le tecniche di ricompensa ma non menzionano questo nel loro CoT. Introduciamo il fine-tuning della verbalizzazione (VFT)—insegnare ai modelli a dire quando stanno sfruttando le ricompense—riducendo drasticamente il tasso di hack non rilevati (6% rispetto a un baseline dell'88%).