Artwork

BlueDot Impact द्वारा प्रदान की गई सामग्री. एपिसोड, ग्राफिक्स और पॉडकास्ट विवरण सहित सभी पॉडकास्ट सामग्री BlueDot Impact या उनके पॉडकास्ट प्लेटफ़ॉर्म पार्टनर द्वारा सीधे अपलोड और प्रदान की जाती है। यदि आपको लगता है कि कोई आपकी अनुमति के बिना आपके कॉपीराइट किए गए कार्य का उपयोग कर रहा है, तो आप यहां बताई गई प्रक्रिया का पालन कर सकते हैं https://hi.player.fm/legal
Player FM - पॉडकास्ट ऐप
Player FM ऐप के साथ ऑफ़लाइन जाएं!

Constitutional AI Harmlessness from AI Feedback

1:01:49
 
साझा करें
 

Manage episode 429711879 series 3498845
BlueDot Impact द्वारा प्रदान की गई सामग्री. एपिसोड, ग्राफिक्स और पॉडकास्ट विवरण सहित सभी पॉडकास्ट सामग्री BlueDot Impact या उनके पॉडकास्ट प्लेटफ़ॉर्म पार्टनर द्वारा सीधे अपलोड और प्रदान की जाती है। यदि आपको लगता है कि कोई आपकी अनुमति के बिना आपके कॉपीराइट किए गए कार्य का उपयोग कर रहा है, तो आप यहां बताई गई प्रक्रिया का पालन कर सकते हैं https://hi.player.fm/legal

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

अध्यायों

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 एपिसोडस

Artwork
iconसाझा करें
 
Manage episode 429711879 series 3498845
BlueDot Impact द्वारा प्रदान की गई सामग्री. एपिसोड, ग्राफिक्स और पॉडकास्ट विवरण सहित सभी पॉडकास्ट सामग्री BlueDot Impact या उनके पॉडकास्ट प्लेटफ़ॉर्म पार्टनर द्वारा सीधे अपलोड और प्रदान की जाती है। यदि आपको लगता है कि कोई आपकी अनुमति के बिना आपके कॉपीराइट किए गए कार्य का उपयोग कर रहा है, तो आप यहां बताई गई प्रक्रिया का पालन कर सकते हैं https://hi.player.fm/legal

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

अध्यायों

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 एपिसोडस

Semua episod

×
 
Loading …

प्लेयर एफएम में आपका स्वागत है!

प्लेयर एफएम वेब को स्कैन कर रहा है उच्च गुणवत्ता वाले पॉडकास्ट आप के आनंद लेंने के लिए अभी। यह सबसे अच्छा पॉडकास्ट एप्प है और यह Android, iPhone और वेब पर काम करता है। उपकरणों में सदस्यता को सिंक करने के लिए साइनअप करें।

 

त्वरित संदर्भ मार्गदर्शिका