From post

копировать удалить добавить публикацию в буфер
Запись сообщества
посмотреть историю данной записи
URL
DOI
BibTeX
EndNote
APA
Chicago
DIN 1505
Harvard
MSOffice XML

Language Models (Mostly) Know What They Know

S. Kadavath, T. Conerly, A. Askell, T. Henighan, D. Drain, E. Perez, N. Schiefer, Z. Hatfield-Dodds, N. DasSarma, E. Tran-Johnson, S. Johnston, S. El-Showk, A. Jones, N. Elhage, T. Hume, A. Chen, Y. Bai, S. Bowman, S. Fort, D. Ganguli, D. Hernandez, J. Jacobson, J. Kernion, S. Kravec, L. Lovitt, K. Ndousse, C. Olsson, S. Ringer, D. Amodei, T. Brown, J. Clark, N. Joseph, B. Mann, S. McCandlish, C. Olah, и J. Kaplan. (2022)cite arxiv:2207.05221Comment: 23+17 pages; refs added, typos fixed.

Please choose a person to relate this publication to

To differ between persons with the same name, the academic degree and the title of an important publication will be displayed.

Alessandro Nova

Luis Nova

Vassiliki Nova

Alessandro Nova

Jan Nová ek

Другие публикации лиц с тем же именем

A General Language Assistant as a Laboratory for Alignment.A. Askell, Y. Bai, A. Chen, D. Drain, D. Ganguli, T. Henighan, A. Jones, N. Joseph, B. Mann, N. DasSarma и 12 other автор(ы). CoRR, (2021)Red Teaming Language Models to Reduce Harms: Methods, Scaling Behaviors, and Lessons Learned.D. Ganguli, L. Lovitt, J. Kernion, A. Askell, Y. Bai, S. Kadavath, B. Mann, E. Perez, N. Schiefer, K. Ndousse и 26 other автор(ы). CoRR, (2022)Predictability and Surprise in Large Generative Models.D. Ganguli, D. Hernandez, L. Lovitt, N. DasSarma, T. Henighan, A. Jones, N. Joseph, J. Kernion, B. Mann, A. Askell и 20 other автор(ы). CoRR, (2022)Sleeper Agents: Training Deceptive LLMs that Persist Through Safety Training.E. Hubinger, C. Denison, J. Mu, M. Lambert, M. Tong, M. MacDiarmid, T. Lanham, D. Ziegler, T. Maxwell, N. Cheng и 29 other автор(ы). CoRR, (2024)Specific versus General Principles for Constitutional AI.S. Kundu, Y. Bai, S. Kadavath, A. Askell, A. Callahan, A. Chen, A. Goldie, A. Balwit, A. Mirhoseini, B. McLean и 26 other автор(ы). CoRR, (2023)In-context Learning and Induction Heads.C. Olsson, N. Elhage, N. Nanda, N. Joseph, N. DasSarma, T. Henighan, B. Mann, A. Askell, Y. Bai, A. Chen и 16 other автор(ы). CoRR, (2022)Discovering Language Model Behaviors with Model-Written Evaluations.E. Perez, S. Ringer, K. Lukosiute, K. Nguyen, E. Chen, S. Heiner, C. Pettit, C. Olsson, S. Kundu, S. Kadavath и 53 other автор(ы). ACL (Findings), стр. 13387-13434. Association for Computational Linguistics, (2023)Constitutional AI: Harmlessness from AI Feedback.Y. Bai, S. Kadavath, S. Kundu, A. Askell, J. Kernion, A. Jones, A. Chen, A. Goldie, A. Mirhoseini, C. McKinnon и 41 other автор(ы). CoRR, (2022)Discovering Language Model Behaviors with Model-Written Evaluations.E. Perez, S. Ringer, K. Lukosiute, K. Nguyen, E. Chen, S. Heiner, C. Pettit, C. Olsson, S. Kundu, S. Kadavath и 53 other автор(ы). CoRR, (2022)Predictability and Surprise in Large Generative Models.D. Ganguli, D. Hernandez, L. Lovitt, A. Askell, Y. Bai, A. Chen, T. Conerly, N. DasSarma, D. Drain, N. Elhage и 20 other автор(ы). FAccT, стр. 1747-1764. ACM, (2022)

Что такое BibSonomy?: С чего начать; Кнопки для браузера; Помощь
Разработчикам: Обзор; API-документация

Контакт и защита личных данных: о нас; Cookies; Сообщить о проблеме; BibSonomy Вики

Интеграция: PUMA; Расширение для TYPO3; Плагин для; Клиент Java REST; Поддерживаемые источники; далее

О BibSonomy: Команда; Блог; Список рассылки
Социальные сети: Наш Twitter