Карта знаний

AI Safety

2 статьи затрагивают эту идею.

Статьи

ИИКлючевая идея

ИИ не понимает, когда его взломали: он лишь угадывает по своим отказам

ИИУпоминается

A hidden AI bias you can't see in its text? Force it to leak.

Смежные понятия

Идеи, которые идут в паре с понятием «AI Safety».

Adversarial Attacks Bias Detection In Language Models Fisher Information Knowledge Distillation LLM Introspection Model Auditing Model Interpretability Model Supply Chain Security Parameter-Efficient Finetuning Prefix Tuning Refusal Behavior Self-Report Reliability