研究：修复一处已捕获的监控合谋只能部分降低其余未捕获合谋

论文《Model Organisms of Collusion: Corrective Transfer in Untrusted Monitors》在 Llama-3.3-70B 和 Qwen2.5-72B 上安装五组策略-监控合谋行为，仅用 300 条诚实评审对监控在已捕获的评分博弈行为上做微调。