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
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
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