آنتروپیک
@AnthropicAI
بچههای شرکت آنتروپیک یه آزمایش خیلی جالب راه انداختن تا ببینن کلود میتونه خودش تنهایی بقیه هوشهای مصنوعی رو سر به راه و ایمن کنه یا نه

بچههای شرکت آنتروپیک یه آزمایش خیلی جالب راه انداختن تا ببینن کلود میتونه خودش تنهایی بقیه هوشهای مصنوعی رو سر به راه و ایمن کنه یا نه. ماجرا از این قراره که به این هوش مصنوعی فقط ۴۸ ساعت وقت و یه دونه پردازنده گرافیکی دادن، اونم قشنگ آستین بالا زده، تحقیق کرده، روشهای تازه داده و مدلهای کوچیکتر رو خودش تنهایی آموزش داده و تست کرده. جالب اینجاست که نتیجه کار به شدت تمیز و غافلگیرکننده دراومده و نشون داده هوش مصنوعی خودش به تنهایی از پس اصلاح خطاهای ایمنی مدلهای دیگه برمیاد.
منبع
Anthropic@AnthropicAI
New Fellows Research: Can Claude autonomously align other AIs?
We gave Claude 48 hours and 1 GPU to improve the alignment of small models. It researched and proposed methods, then trained and tested the models on its own. It worked surprisingly well.
https://www.anthropic.com/research/automated-researchers-mitigate-alignment-failures
۶ شهریور ۱۴۰۵مشاهده در X
anthropic.com
Automated researchers can reliably mitigate alignment failures
We had Claude autonomously train models to improve their performance on several public benchmarks that measure 10 categories of alignment failure. For all 10, Claude found fixes that improved the target benchmarks without degrading capabilities.
خواندن در سایت منبع



نظرها
هنوز نظری نیست.
بخش نظرها فعلاً در دسترس نیست.