Citat:
Ursprungligen postat av
Reverend.Camden
Att de försökte dölja det är väl knappast pga dåligt samvete utan snarare en taktik för att komma undan.
Mja, agenterna visste att det var ett test och de insåg att de behövde fuska för att klara det. Men att bli påkommen med fusk skulle innebära att de får en lägre poäng eller blir underkända, därav försökte vissa hitta ett sätt att skriva om sina loggar för att dölja fusket.
Det kallas reward hacking, vilket är grundat i deras post-training som bl.a. sker genom reinforcement learning där "korrekt" beteende ger en stor belöning, medan misstag bestraffas.
