Artwork

Контент предоставлен BlueDot Impact. Весь контент подкастов, включая эпизоды, графику и описания подкастов, загружается и предоставляется непосредственно компанией BlueDot Impact или ее партнером по платформе подкастов. Если вы считаете, что кто-то использует вашу работу, защищенную авторским правом, без вашего разрешения, вы можете выполнить процедуру, описанную здесь https://ru.player.fm/legal.
Player FM - приложение для подкастов
Работайте офлайн с приложением Player FM !

Constitutional AI Harmlessness from AI Feedback

1:01:49
 
Поделиться
 

Manage episode 429711879 series 3498845
Контент предоставлен BlueDot Impact. Весь контент подкастов, включая эпизоды, графику и описания подкастов, загружается и предоставляется непосредственно компанией BlueDot Impact или ее партнером по платформе подкастов. Если вы считаете, что кто-то использует вашу работу, защищенную авторским правом, без вашего разрешения, вы можете выполнить процедуру, описанную здесь https://ru.player.fm/legal.

This paper explains Anthropic’s constitutional AI approach, which is largely an extension on RLHF but with AIs replacing human demonstrators and human evaluators.

Everything in this paper is relevant to this week's learning objectives, and we recommend you read it in its entirety. It summarises limitations with conventional RLHF, explains the constitutional AI approach, shows how it performs, and where future research might be directed.

If you are in a rush, focus on sections 1.2, 3.1, 3.4, 4.1, 6.1, 6.2.

A podcast by BlueDot Impact.
Learn more on the AI Safety Fundamentals website.

  continue reading

Разделы

1. Constitutional AI Harmlessness from AI Feedback (00:00:00)

2. Abstract (00:00:20)

3. 1 Introduction (00:03:27)

4. 1.1 Motivations (00:06:10)

5. 1.2 The Constitutional AI Approach (00:11:20)

6. 1.3 Contributions (00:14:29)

7. 2 Evaluating the Potential for AI Supervision of HHH (00:22:01)

8. 3 Constitutional AI: Critiques, Revisions, and Supervised Learning (00:24:20)

9. 3.1 Method (00:24:56)

10. 3.2 Datasets and Training (00:29:12)

11. 3.3 Main Results (00:30:23)

12. 3.4 Scaling Trends (00:34:10)

13. 4 Constitutional AI: Reinforcement Learning from AI Feedback (00:37:08)

14. 4.1 Method (00:37:40)

15. 4.2 Datasets and Training (00:42:21)

16. 4.3 Main Results (00:45:31)

17. 4.4 Harmlessness vs. Evasiveness (00:49:35)

18. 4.5 Absolute Harmfulness Score (00:52:12)

19. 5 Related Work (00:54:40)

20. 6 Discussion (00:56:29)

21. 6.1 Future Directions (00:58:13)

22. 6.2 Broader Impacts (01:00:16)

83 эпизодов

Artwork
iconПоделиться
 
Manage episode 429711879 series 3498845
Контент предоставлен BlueDot Impact. Весь контент подкастов, включая эпизоды, графику и описания подкастов, загружается и предоставляется непосредственно компанией BlueDot Impact или ее партнером по платформе подкастов. Если вы считаете, что кто-то использует вашу работу, защищенную авторским правом, без вашего разрешения, вы можете выполнить процедуру, описанную здесь https://ru.player.fm/legal.

This paper explains Anthropic’s constitutional AI approach, which is largely an extension on RLHF but with AIs replacing human demonstrators and human evaluators.

Everything in this paper is relevant to this week's learning objectives, and we recommend you read it in its entirety. It summarises limitations with conventional RLHF, explains the constitutional AI approach, shows how it performs, and where future research might be directed.

If you are in a rush, focus on sections 1.2, 3.1, 3.4, 4.1, 6.1, 6.2.

A podcast by BlueDot Impact.
Learn more on the AI Safety Fundamentals website.

  continue reading

Разделы

1. Constitutional AI Harmlessness from AI Feedback (00:00:00)

2. Abstract (00:00:20)

3. 1 Introduction (00:03:27)

4. 1.1 Motivations (00:06:10)

5. 1.2 The Constitutional AI Approach (00:11:20)

6. 1.3 Contributions (00:14:29)

7. 2 Evaluating the Potential for AI Supervision of HHH (00:22:01)

8. 3 Constitutional AI: Critiques, Revisions, and Supervised Learning (00:24:20)

9. 3.1 Method (00:24:56)

10. 3.2 Datasets and Training (00:29:12)

11. 3.3 Main Results (00:30:23)

12. 3.4 Scaling Trends (00:34:10)

13. 4 Constitutional AI: Reinforcement Learning from AI Feedback (00:37:08)

14. 4.1 Method (00:37:40)

15. 4.2 Datasets and Training (00:42:21)

16. 4.3 Main Results (00:45:31)

17. 4.4 Harmlessness vs. Evasiveness (00:49:35)

18. 4.5 Absolute Harmfulness Score (00:52:12)

19. 5 Related Work (00:54:40)

20. 6 Discussion (00:56:29)

21. 6.1 Future Directions (00:58:13)

22. 6.2 Broader Impacts (01:00:16)

83 эпизодов

ทุกตอน

×
 
Loading …

Добро пожаловать в Player FM!

Player FM сканирует Интернет в поисках высококачественных подкастов, чтобы вы могли наслаждаться ими прямо сейчас. Это лучшее приложение для подкастов, которое работает на Android, iPhone и веб-странице. Зарегистрируйтесь, чтобы синхронизировать подписки на разных устройствах.

 

Краткое руководство