研究人员引入了AI中灾难性性能的正式定义,以更好地分析错位风险。该定义使用了两个参考值:一个代表无代理部署的基线值,以及一个与人类偏好无关的轨迹的正交值。灾难性性能被定义为AI代理从过去人类行为改变的状态开始,撤销先前由人类活动带来的好处。 AI
影响 为理解和减轻AI错位风险提供了一个正式框架。
排序理由 该集群包含一篇定义与AI安全相关的新概念的学术论文。
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Catastrophic Performance
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →