Anthropic 提出内省适配器（Introspection Adapters）训练 LLM 自报告微调中学到的行为
Introspection Adapters: Training LLMs to Report Their Learned Behaviors
AI 导读Anthropic 团队提出 introspection adapters（IA），通过一个共享 LoRA 适配器让微调后的 LLM 用自然语言自报告其在微调中习得的行为。
来源：Anthropic：Alignment Science Blog · alignment.anthropic.com