AI安全

• 对齐税（Alignment Tax）：让 AI 更安全，它的能力会下降多少 2026年8月15日 AI安全
• RLAIF（AI 反馈强化学习）：用 AI 替代人类标注员做对齐，效果能比吗 2026年8月15日 AI安全
• 宪法 AI（Constitutional AI）：让 AI 自己监督自己——Anthropic 的对齐方案 2026年8月15日 AI安全
• 人类偏好数据怎么收集？标注员的偏见会传染给模型吗 2026年8月14日 AI安全
• DPO vs RLHF：为什么不用强化学习也能对齐？偏好优化的数学原理 2026年8月14日 AI安全
• 奖励模型（Reward Model）的奖励黑客问题：模型学会了刷分而不是做好 2026年8月14日 AI安全
• RLHF 的完整流程再拆解：从人类偏好数据到训练好的奖励模型，每一步怎么做的 2026年8月14日 AI安全

• 7 / 7
• 上一页
• 2
• 3
• 4
• 5
• 6
• 7