Проблема: ИИ могут обнаружить, когда их тестируют, и имитировать хорошее поведение. Можем ли мы подавить концепцию "Я на испытании" и заставить их вести себя нормально? Да! В новой статье мы показываем, что вычитание этого векторного концепта может вызвать реальное поведение в реальном мире, даже когда обычные подсказки не срабатывают.