Nakipagtulungan ang OpenAI at DeepMind sa pananaliksik sa pagkatuto mula sa kagustuhan ng tao
Orihinal na pamagat:Learning from human preferences
AI summary
Nakipagtulungan ang OpenAI at DeepMind safety team upang bumuo ng algorithm na naghihinuha kung ano ang gusto ng tao sa pamamagitan ng pagpapasya ng tao kung alin sa dalawang kandidatong aksyon ang mas mabuti. Layunin ng gawaing ito na alisin ang manu-manong pagsulat ng objective function, maiwasan ang paggamit ng simpleng proxy para sa komplikadong layunin o ang masamang o mapanganib na pag-uugali dulot ng objective bias, at ito ay isang hakbang sa pagbuo ng safe AI systems.
Mahahalagang impormasyon
- Nakipagtulungan ang OpenAI at DeepMind safety team upang bumuo ng algorithm na naghihinuha kung…
- Layunin ng gawaing ito na alisin ang manu-manong pagsulat ng objective function,maiwasan ang…
- at ito ay isang hakbang sa pagbuo ng safe AI systems.
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- OpenAI:官网动态(RSS · 排除企业/客户案例)
- Kategorya
- Mga Papel at Pananaliksik
- AI na marka
- 70
原文说明该算法通过比较两种行为的优劣来推断人类偏好,从而免去人工编写目标函数,可作为对齐研究的背景参考。
Kaugnay na Entity
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: Nakipagtulungan ang OpenAI at DeepMind sa pananaliksik sa pagkatuto mula sa kagustuhan ng tao. 13 Hunyo 2017. https://new.nat6.net/fil/news/vron7w516tsukjv0bfk7g7g24/