Artwork

Sisällön tarjoaa BlueDot Impact. BlueDot Impact tai sen podcast-alustan kumppani lataa ja toimittaa kaiken podcast-sisällön, mukaan lukien jaksot, grafiikat ja podcast-kuvaukset. Jos uskot jonkun käyttävän tekijänoikeudella suojattua teostasi ilman lupaasi, voit seurata tässä https://fi.player.fm/legal kuvattua prosessia.
Player FM - Podcast-sovellus
Siirry offline-tilaan Player FM avulla!

Constitutional AI Harmlessness from AI Feedback

1:01:49
 
Jaa
 

Manage episode 429711879 series 3498845
Sisällön tarjoaa BlueDot Impact. BlueDot Impact tai sen podcast-alustan kumppani lataa ja toimittaa kaiken podcast-sisällön, mukaan lukien jaksot, grafiikat ja podcast-kuvaukset. Jos uskot jonkun käyttävän tekijänoikeudella suojattua teostasi ilman lupaasi, voit seurata tässä https://fi.player.fm/legal kuvattua prosessia.

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

Luvut

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 jaksoa

Artwork
iconJaa
 
Manage episode 429711879 series 3498845
Sisällön tarjoaa BlueDot Impact. BlueDot Impact tai sen podcast-alustan kumppani lataa ja toimittaa kaiken podcast-sisällön, mukaan lukien jaksot, grafiikat ja podcast-kuvaukset. Jos uskot jonkun käyttävän tekijänoikeudella suojattua teostasi ilman lupaasi, voit seurata tässä https://fi.player.fm/legal kuvattua prosessia.

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

Luvut

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 jaksoa

Kaikki jaksot

×
 
Loading …

Tervetuloa Player FM:n!

Player FM skannaa verkkoa löytääkseen korkealaatuisia podcasteja, joista voit nauttia juuri nyt. Se on paras podcast-sovellus ja toimii Androidilla, iPhonela, ja verkossa. Rekisteröidy sykronoidaksesi tilaukset laitteiden välillä.

 

Pikakäyttöopas