← 返回卡片

原书出处

大语言模型-基础与前沿 (熊涛)

09 第9章 对齐语言模型与人类偏好

核验版本的摘录快照 · 导入于 2026-11-18T14:25:08.849Z

模型的无害性明显高于有用模型。 人工智能系统可以评估自己是否遵从了一组原则,它的一个重要优势是能够监控其他人工智能系统。

由人类来验证大语言模型生成的每个响应是不切实际的,但是备用人工智能系统可以为每个响应执行这项任务。这种想法通常被称为可扩展的监督

,因为人工智能系统接管了监督另一个人工智能系统输出的责任,从而更容易保证每个输出都受到适当监控。 宪法人工智能方法由两个

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter11.xhtml

EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d