Bu çalışma, güvenlik eğitimi görmüş dil modellerindeki zafiyetleri tespit etmek için Curriculum of Models (CoM) yöntemini tanıtıyor. CoM, araştırmacı modeli hedef modelin daha uyumlu versiyonlarından başlayarak orijinal hedefe doğru kademeli olarak eğitir. Bu yaklaşım, nadir davranışların tetiklenmesinde oluşan seyrek ödül sinyalini azaltmayı hedefler.
arXiv / cs.AI + cs.CL1 dk okuma
1–1 / 1 yayın
Nasıl hazırlıyoruz?
Kaynağı belli. Sınırları açık.
Resmî duyuruları, araştırma makalelerini ve açık kaynak projelerinin sürüm notlarını yapay zekâ ile Türkçe özetliyoruz. Her haberde kaynak bağlantılarına, kullanım alanlarına ve açıklanmayan noktalara yer veriyoruz.
Doğrudan kaynak
Araştırma makalesine, model duyurusuna veya projenin deposuna haberden ulaşabilirsiniz.
Bulgular ve yorumlar
Kaynakta açıklanan sonuçları, olası kullanım alanları ve bilinmeyenlerden ayrı sunuyoruz.
Görsellerin kaynağı
Görsel ve videoların kaynağını belirtiyoruz. Konuyu anlatmak için kullanılan illüstrasyonları da işaretliyoruz.
Araştırma kaynakları
Makaleleri kendiniz keşfedin.
Yeni çalışmalar bulabileceğiniz dizinler ve araştırma laboratuvarları. Bir görsel özet ilginizi çekerse sonuçları özgün makaleden okuyun.