看影片（在新分頁開啟原站）連到 Neel Nanda
摘要
Neel Nanda 分享關於建立可解釋 AI 模型的研究領域，包括設計具有隱藏目標或評估意識的模型生物。觀眾可學習如何透過這些模型進行安全相關的研究與除錯技巧。
A talk on creating interpretable AI models with hidden goals and eval awareness for safety research.
這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。
適合誰看
適合對 AI 安全、模型可解釋性及研究策略感興趣的研究人員或開發者。
摘要依據
- 依據
- 標題與說明欄（還沒有取得字幕或內文）
為什麼排在這裡
- 人氣
- 0.17
- 新鮮
- 0.30
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- Understanding the inner thoughts of AI影片 ・ Google DeepMind ・ 53 分鐘
- How To Think About Thinking Models影片 ・ Neel Nanda ・ 1 小時 34 分
- Interpretability: Understanding how AI models think影片 ・ Anthropic ・ 59 分鐘
- How Will Mech Interp Help Make AGI Safe?影片 ・ Neel Nanda ・ 49 分鐘
- The Dark Matter of AI [Mechanistic Interpretability]影片 ・ Welch Labs ・ 24 分鐘
- 【生成式AI導論 2024】第11講：大型語言模型在「想」什麼呢？ — 淺談大型語言模型的可解釋性影片 ・ Hung-yi Lee ・ 45 分鐘
摘要由 AI 根據標題與說明欄產生（還沒有取得原文），可能有誤；完整內容請看原站。看影片（在新分頁開啟原站）