Kertas penyelidikan

OpenAI dan DeepMind bekerjasama kaji pembelajaran daripada keutamaan manusia

Tajuk asal:Learning from human preferences

Ringkasan AI

OpenAI dan pasukan keselamatan DeepMind bekerjasama membangunkan algoritma yang menyimpulkan apa yang diinginkan manusia melalui penilaian manusia terhadap mana lebih baik antara dua tingkah laku calon. Kerja ini bertujuan mengelakkan penulisan fungsi objektif secara manual, serta mengelakkan tingkah laku buruk atau berbahaya akibat penggunaan proksi mudah atau sisihan objektif bagi matlamat kompleks, sebagai satu langkah membina sistem AI selamat.

Maklumat penting

  • OpenAI dan pasukan keselamatan DeepMind bekerjasama membangunkan algoritma yang menyimpulkan apa…
  • Kerja ini bertujuan mengelakkan penulisan fungsi objektif secara manual,serta mengelakkan tingkah…
  • sebagai satu langkah membina sistem AI selamat.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
OpenAI:官网动态(RSS · 排除企业/客户案例)
Kategori
Kertas penyelidikan
Skor AI
70
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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。

Entiti Berkaitan

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: OpenAI dan DeepMind bekerjasama kaji pembelajaran daripada keutamaan manusia. 13 Jun 2017. https://new.nat6.net/ms/news/vron7w516tsukjv0bfk7g7g24/

Lihat Semua →