主页
返回索引
+
点赞
0
Awesome RL with Human Feedback / 2022 / arXiv
Red Teaming Language Models to Reduce Harms: Methods, Scaling Behaviors, and Lessons Learned
作者:
Deep Ganguli, Liane Lovitt, Jackson Kernion, et al ·
来源:
arXiv ·
发布日期:
2022
安全对齐
样本效率
数据筛选
新标签打开 AlphaXiv
新标签打开 Code
AlphaXiv 中文概览(可滚动查看)