野生的價值觀：在真實世界語言模型互動中發現與分析價值觀

Anthropic Research·

Anthropic 的最新研究提出了一種實用的方法，用於在真實世界的語言模型互動中觀察和分析 AI 的價值觀，並發布了開放數據集以供進一步研究。

暫無內容

— Anthropic Research

相關文章

  1. Persona vectors：監測與控制語言模型中的角色特質

    9 個月前

  2. 探索模型福祉

    12 個月前

  3. In-context Learning and Induction Heads

    大約 4 年前

  4. Anthropic 社會影響研究：探索 AI 在現實世界的應用與對齊

    大約 2 個月前

  5. Sycophancy to subterfuge: Investigating reward tampering in language models

    將近 2 年前