From post

копировать удалить добавить публикацию в буфер
Запись сообщества
посмотреть историю данной записи
URL
DOI
BibTeX
EndNote
APA
Chicago
DIN 1505
Harvard
MSOffice XML

Red Teaming Language Models to Reduce Harms: Methods, Scaling Behaviors, and Lessons Learned.

D. Ganguli, L. Lovitt, J. Kernion, A. Askell, Y. Bai, S. Kadavath, B. Mann, E. Perez, N. Schiefer, K. Ndousse, A. Jones, S. Bowman, A. Chen, T. Conerly, N. DasSarma, D. Drain, N. Elhage, S. Showk, S. Fort, Z. Hatfield-Dodds, T. Henighan, D. Hernandez, T. Hume, J. Jacobson, S. Johnston, S. Kravec, C. Olsson, S. Ringer, E. Tran-Johnson, D. Amodei, T. Brown, N. Joseph, S. McCandlish, C. Olah, J. Kaplan, и J. Clark. CoRR, (2022)

Please choose a person to relate this publication to

To differ between persons with the same name, the academic degree and the title of an important publication will be displayed.

Dario Piano

Dario Mazzoleni

Dario Gil

Dario Vincenti

Dario Struwe

Другие публикации лиц с тем же именем

Learning a Natural Language Interface with Neural Programmer.A. Neelakantan, Q. Le, M. Abadi, A. McCallum, и D. Amodei. ICLR (Poster), OpenReview.net, (2017)Scaling Laws for Neural Language Models.J. Kaplan, S. McCandlish, T. Henighan, T. Brown, B. Chess, R. Child, S. Gray, A. Radford, J. Wu, и D. Amodei. CoRR, (2020)Language models are unsupervised multitask learnersA. Radford, J. Wu, R. Child, D. Luan, D. Amodei, I. Sutskever, и others. OpenAI blog, 1 (8): 9 (2019)Supervising strong learners by amplifying weak experts.P. Christiano, B. Shlegeris, и D. Amodei. CoRR, (2018)Learning to summarize from human feedback.N. Stiennon, L. Ouyang, J. Wu, D. Ziegler, R. Lowe, C. Voss, A. Radford, D. Amodei, и P. Christiano. CoRR, (2020)Language models are unsupervised multitask learnersA. Radford, J. Wu, R. Child, D. Luan, D. Amodei, и I. Sutskever. (2019)In-context Learning and Induction Heads.C. Olsson, N. Elhage, N. Nanda, N. Joseph, N. DasSarma, T. Henighan, B. Mann, A. Askell, Y. Bai, A. Chen и 16 other автор(ы). CoRR, (2022)Learning to summarize with human feedback.N. Stiennon, L. Ouyang, J. Wu, D. Ziegler, R. Lowe, C. Voss, A. Radford, D. Amodei, и P. Christiano. NeurIPS, (2020)Discovering Language Model Behaviors with Model-Written Evaluations.E. Perez, S. Ringer, K. Lukosiute, K. Nguyen, E. Chen, S. Heiner, C. Pettit, C. Olsson, S. Kundu, S. Kadavath и 53 other автор(ы). ACL (Findings), стр. 13387-13434. Association for Computational Linguistics, (2023)Deep Reinforcement Learning from Human Preferences.P. Christiano, J. Leike, T. Brown, M. Martic, S. Legg, и D. Amodei. NIPS, стр. 4299-4307. (2017)

Что такое BibSonomy?: С чего начать; Кнопки для браузера; Помощь
Разработчикам: Обзор; API-документация

Контакт и защита личных данных: о нас; Cookies; Сообщить о проблеме; BibSonomy Вики

Интеграция: PUMA; Расширение для TYPO3; Плагин для; Клиент Java REST; Поддерживаемые источники; далее

О BibSonomy: Команда; Блог; Список рассылки
Социальные сети: Наш Twitter