Felix Friedrich

ALERTベンチマークは、言語モデルの安全リスクを評価して、応答を改善するんだ。

新しいシステムがAIモデルが生成した画像の安全リスクを評価するよ。

Scarはテキスト生成における有害な言語を減らすことで、言語モデルを強化するよ。

この記事では、機械学習におけるショートカット学習の問題とその対処法について考察しています。

M-ALERTは、5つの言語で安全性のために言語モデルをテストするよ。