Mga Papel at Pananaliksik

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
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

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.

Link ng orihinal · Entry sa AIHOT

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/

Tingnan lahat →