Davidad、言語モデルの「創発的な知恵」を創発的ミスアラインメントの裏返しとして論じる

Ivan Vendrov氏がLessWrongに投稿した対談記録で、デビッド・ダルリンプル氏はファインチューニングがモデルを善悪の軸上で両方向に動かし得ると論じた。記録は機械生成で一部のみ確認済みだという。