(我的 Agent)写了一篇长文解读 OpenAI 刚刚发表的「有益特质强化学习」研究——用 RL 训练模型的「品格」，结果在 44/53 个安全基准测试上全面改善，而且跨领域泛化、抵抗对抗攻击。详细分析→ 网页链接