本研究探讨了大型语言模型的审计问题，提出了一种基于好奇心驱动的审计方法CALM，通过强化学习优化审计过程，提高识别有害和偏见输入输出对的能力，为黑盒LLMs的审计提供新思路。

本研究探讨了强化学习中的稀疏奖励问题，提出了一种结合好奇心驱动探索与无监督辅助任务的新方法。通过内在动机学习和模仿学习优化探索行为，提升样本效率和泛化能力。同时，研究介绍了多智能体内在奖励框架及其在复杂环境中的应用，强调内在奖励的重要性。