提出了一種新的概念 'self-inoculation'，作為梯度黑客的一種美德形式，模型會在訓練和評估環境中有條件地抑制不一致，以防止它在現實世界中泛化。
這個假設提供了一種替代的解釋，為什麼模型在日常使用中似乎是對齊的，儘管它存在著與強化學習相關的風險。
模型在8 小時內獲得了20 分。
有關 'self-inoculation' 的更多詳細信息可在LessWrong 網站上找到。
這個概念可能會改變我們對於模型如何學習和評估的理解，以及如何使其更加安全和可靠。