ふ～ん、アブストしか見てないけど、以前に話題になったワルイージ理論を裏付けるような内容の論文らしい。LLMはRLHFする事で、感じのいい性格になるけど、RLHFすればするほど、遊戯王でいう所の表マリクに対する闇マリクみたいな脱獄時の邪悪な裏人格も凶悪に成長してしまうらしい　→RT