跳到正文
热点事件持续更新

Meta发布AdvGame安全对齐论文

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

Meta研究团队发布论文《Safety Alignment of LMs via Non-cooperative Games》,提出AdvGame方法,将大语言模型安全对齐建模为攻击模型与防御模型之间的非零和博弈,并通过在线强化学习联合训练,以改善安全与实用性的权衡。 论文将攻击方寻求降低安全性、防御方维持模型安全与效用的目标置于对抗环境中;目前公开信息显示其核心成果是提出并训练这一博弈式对齐框架。

AI 根据报道生成 · 1 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20日
  1. AGI Hunt
    AdvGame 论文:通过攻防 LM 非合作博弈训练外移安全—实用性 Pareto 前沿

    Meta 研究团队发布 AdvGame 论文「Safety Alignment of LMs via Non-cooperative Games」,将安全对齐建模为 Attacker LM 与 Defender LM 的非零和博弈,并通过在线强化学习联合训练。

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。