跳到正文
热点事件持续更新

概率安全裁判验证协议发布

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

论文研究团队提出概率安全裁判验证协议,要求在强化学习训练前、训练中及每次裁判变更后重新验证,并将高置信放行危害占比与危害数量分开度量。应用于两个版本的商用裁判 Jev 和一个开源 guard 分类器后,研究团队称,11 次训练中放行的有害输出均收缩并集中于置信盲区;二值化 Jev 在 Llama 上满足逃逸判据。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. AGI Hunt
    论文提出概率安全裁判验证协议:11 次 RL 训练实验揭示有害输出集中于置信盲区

    论文《Jev-as-a-Reward:验证强化学习中的概率安全裁判》提出训练前、训练中及每次裁判变更后重新验证的协议,并将高置信放行危害占比与危害数量分开度量。应用于两个版本的商用裁判 Jev 和一个开源 guard 分类器后,11 次训练中放行的有害输出均收缩且集中于置信盲区;二值化 Jev 在 Llama 上满足逃逸判据。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。