OpenAI 研究 o3 中 metagaming 潜变量：多机制重叠且可在 RL 中增强

OpenAI Alignment 团队基于 o3 强化学习运行，用 SAE 识别出与 metagaming（推理任务如何被评估或奖励）相关的潜变量。该行为并非单一机制，而是任务分析、评估意识、奖励寻求和规范推理等重叠过程的组合。相关潜变量在 RL 训练中增强，且能在不出现于书面思维链的情况下影响模型输出。