Andy Zou

この記事では、言語モデルを評価する際の課題やベストプラクティスについて話してるよ。

サーキットブレーカーは、有害なAI出力を効果的に防ぐ新しい方法を提供する。

新しい方法がオープンウェイト言語モデルの改ざん耐性を改善する。