Skip to content
简体中文

切换主题

// ⛨ 安全、评测与治理技术

AI 辩论

让两个 AI 辩论,由人类裁判,帮助人类监督复杂问题。

AI Safety via Debate 2018 进阶 扩展

通俗解释

即便人类无法直接判断复杂答案的对错,也可以通过观察两个 AI 互相指出对方漏洞来做出更准确的判断。它是可扩展监督的代表方案之一。

用在哪里:可扩展监督研究

时间轴 · 前置 → 当前 → 后继

2018 AI 辩论2022 人类反馈强化学习 RLHF

01原始论文

AI safety via debate

Geoffrey Irving, Paul Christiano, Dario Amodei · 2018

arXiv ↗ ✓ 已核实 · arXiv API

02知识位置

左边先学;右边是学完它之后可以学的。

先学

AI 辩论

学完可以学

  • 图谱里暂无后继

相关:弱到强泛化宪法式 AI / RLAIF

人类反馈强化学习 RLHF弱到强泛化宪法式 AI / RLAIF AI 辩论

左:前置 · 右:后继 · 虚线:相关。看完整关系图 →

03学习资料

官方文档、图解、课程和参考实现,链接都核对过。

04在课程里哪里学

给 AI 读 / 数据说明

数据更新于:AI 算法图谱与课程体系(北京时间)