AI Safety Fundamentals: Alignment

83 Epizód

1. Public by Default: How We Manage Information Visibility at Get on Board

   Közzétéve: 2024. 05. 12.
2. Writing, Briefly

   Közzétéve: 2024. 05. 12.
3. Being the (Pareto) Best in the World

   Közzétéve: 2024. 05. 04.
4. How to Succeed as an Early-Stage Researcher: The “Lean Startup” Approach

   Közzétéve: 2024. 04. 23.
5. Become a Person who Actually Does Things

   Közzétéve: 2024. 04. 17.
6. Planning a High-Impact Career: A Summary of Everything You Need to Know in 7 Points

   Közzétéve: 2024. 04. 16.
7. Working in AI Alignment

   Közzétéve: 2024. 04. 14.
8. Computing Power and the Governance of AI

   Közzétéve: 2024. 04. 07.
9. AI Control: Improving Safety Despite Intentional Subversion

   Közzétéve: 2024. 04. 07.
10. Emerging Processes for Frontier AI Safety

    Közzétéve: 2024. 04. 07.
11. AI Watermarking Won’t Curb Disinformation

    Közzétéve: 2024. 04. 07.
12. Challenges in Evaluating AI Systems

    Közzétéve: 2024. 04. 07.
13. Interpretability in the Wild: A Circuit for Indirect Object Identification in GPT-2 Small

    Közzétéve: 2024. 04. 01.
14. Towards Monosemanticity: Decomposing Language Models With Dictionary Learning

    Közzétéve: 2024. 03. 31.
15. Zoom In: An Introduction to Circuits

    Közzétéve: 2024. 03. 31.
16. Weak-To-Strong Generalization: Eliciting Strong Capabilities With Weak Supervision

    Közzétéve: 2024. 03. 26.
17. Can We Scale Human Feedback for Complex AI Tasks?

    Közzétéve: 2024. 03. 26.
18. Machine Learning for Humans: Supervised Learning

    Közzétéve: 2023. 05. 13.
19. Visualizing the Deep Learning Revolution

    Közzétéve: 2023. 05. 13.
20. Four Background Claims

    Közzétéve: 2023. 05. 13.