其他

After almost a decade, I have made the decision to leave OpenAI. The company’s trajectory has been ...

原文标题:After almost a decade, I have made the decision to leave OpenAI. The company’s trajectory has been ...

AI 摘要

经过近十年,我已决定离开 OpenAI。公司的发展轨迹堪称奇迹,我相信 OpenAI 将在 @sama、@gdb、@miramurati 以及现在在 @merettm 出色的研究领导下,打造出既安全又有益的 AGI。能与大家共事是我的荣幸和特权,我会非常想念大家。再见了,感谢一切。我对接下来的事情感到兴奋——一个对我个人非常有意义的项目,我将在适当的时候分享细节。

关键信息

  • 经过近十年,我已决定离开 OpenAI。
  • 公司的发展轨迹堪称奇迹,我相信 OpenAI 将在 @sama、@gdb、@miramurati 以及现在在 @merettm 出色的研究领导下,打造出既安全又有益的 AGI。
  • 能与大家共事是我的荣幸和特权,我会非常想念大家。
  • 再见了,感谢一切。
  • 我对接下来的事情感到兴奋——一个对我个人非常有意义的项目,我将在适当的时候分享细节

速览

发布时间
更新时间
来源
X:Ilya Sutskever (@ilyasut)
分类
其他
阅读原文 前往信息源阅读完整正文
推荐理由

OpenAI 联合创始人离职,AGI 安全路线与组织未来面临重大变数

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:After almost a decade, I have made the decision to leave OpenAI. The company’s trajectory has been ...。2024年5月15日。https://new.nat6.net/news/cmnxjn6jl00a3sl9o45i8yetr/

查看全部 →
  • GPT-4o

    OpenAI 将 GPT-4o 向所有 ChatGPT 用户免费开放,无广告。全新语音(及视频)模式响应速度接近人类,表现力极强,被 Sam Altman 称为「用过最好的计算机界面」,像电影里的 AI。未来还将支持个性化、代操作等功能。

    Sam Altman:Blog(RSS)其他

  • Scaling Monosemanticity: 从 Claude 3 Sonnet 中提取可解释特征

    研究团队成功将稀疏自编码器方法扩展至 Claude 3 Sonnet 模型,从中提取出高质量、可解释的抽象特征。这些特征具有多语言、多模态特性,并能连接同一概念的抽象与具体实例,例如识别代码中的安全漏洞以及关于漏洞的抽象讨论。研究发现的特…

    Anthropic:Transformer Circuits(可解释性研究)其他AI 评分 83

  • Meta 发布开源大语言模型 Llama 3

    Hugging Face 发布博客欢迎 Meta 的全新开源大语言模型 Llama 3。正文抓取失败,仅标题可用,更多细节以原文链接 https://huggingface.co/blog/llama3 为准。

    Hugging Face 社区博客(混合发现)其他AI 评分 72

  • 定性研究在可解释性领域中的核心地位反思

    本文认为,在可解释性这类尚处前范式阶段的早期科学领域中,定性研究应与定量研究同等重要。成熟学科依赖既定范式和可靠度量,但可解释性研究缺乏这些基础,过度依赖将高维数据简化为单一数字的摘要统计量存在风险,可能沦为“货船崇拜科学”。作者以自身在…

    Anthropic:Transformer Circuits(可解释性研究)其他AI 评分 83

  • 2024年4月机制可解释性研究动态与团队招聘计划

    Anthropic可解释性团队分享了2024年4月的研究进展与招聘规划。团队现有17人,预计2024至2025年将持续大规模扩张,重点招聘管理、研究科学家和工程师等职位。研究方面,团队探讨了字典学习的扩展规律,分析了计算资源分配与稀疏自编…

    Anthropic:Transformer Circuits(可解释性研究)其他AI 评分 76

  • 使用字典学习特征作为分类器

    Anthropic可解释性团队研究了利用字典学习从大语言模型中提取的人类可解释特征作为分类器。在生物武器提示分类任务中,线性特征分类器性能可与原始激活值分类器竞争甚至更优,而基于特征的决策树分类器虽性能较低但可解释性更强。特征分类器的可解…

    Anthropic:Transformer Circuits(可解释性研究)其他AI 评分 73