Генеалогия AI safety: как рождаются направления и как они умирают (2005-2026) -1
Публикации автора MrsWallbreaker
Куда податься на финансирование по AI safety летом-осенью 2026: карта грантов, фондов и программ -2
Один суффикс, чтобы взломать их всех +3
Poisoned Data — отравление данных для LLM и создание «Спящего Агента»
Стеганография в LLM и защита от нее
RLHF. История становления идеи — 4. HHH: helpful, honest, harmless, Instruct LLM, Constitutional AI
Не любой In-context learning одинаково полезен
RLHF. История становления идеи — 3. Supervised finetune, Протокольный сбор обратной связи, Batch RL
RLHF. История становления идеи — 2
Обучение с подкреплением на основе обратной связи от человека (RLHF). История становления идеи
