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.

Saurav Bandyopadhyay

Saurav Sahay

Другие публикации лиц с тем же именем

Measuring Faithfulness in Chain-of-Thought Reasoning.T. Lanham, A. Chen, A. Radhakrishnan, B. Steiner, C. Denison, D. Hernandez, D. Li, E. Durmus, E. Hubinger, J. Kernion и 20 other автор(ы). CoRR, (2023)Specific versus General Principles for Constitutional AI.S. Kundu, Y. Bai, S. Kadavath, A. Askell, A. Callahan, A. Chen, A. Goldie, A. Balwit, A. Mirhoseini, B. McLean и 26 other автор(ы). CoRR, (2023)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)DeepChrome 2.0: Investigating and Improving Architectures, Visualizations, & Experiments.S. Kadavath, S. Paradis, и J. Yeung. CoRR, (2022)Pretraining & Reinforcement Learning: Sharpening the Axe Before Cutting the Tree.S. Kadavath, S. Paradis, и B. Yao. CoRR, (2021)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 и 26 other автор(ы). CoRR, (2022)Constitutional AI: Harmlessness from AI Feedback.Y. Bai, S. Kadavath, S. Kundu, A. Askell, J. Kernion, A. Jones, A. Chen, A. Goldie, A. Mirhoseini, C. McKinnon и 41 other автор(ы). CoRR, (2022)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). CoRR, (2022)The Many Faces of Robustness: A Critical Analysis of Out-of-Distribution Generalization.D. Hendrycks, S. Basart, N. Mu, S. Kadavath, F. Wang, E. Dorundo, R. Desai, T. Zhu, S. Parajuli, M. Guo и 3 other автор(ы). ICCV, стр. 8320-8329. IEEE, (2021)Using Self-Supervised Learning Can Improve Model Robustness and Uncertainty.D. Hendrycks, M. Mazeika, S. Kadavath, и D. Song. NeurIPS, стр. 15637-15648. (2019)

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