PulseAugur
实时 10:19:20
实体 Amanda Askell

Amanda Askell

PulseAugur coverage of Amanda Askell — every cluster mentioning Amanda Askell across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
9
90 天内 9
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 9 条
  1. MEME · CL_126498 ·

    社交媒体帖子用园艺石类比质疑人工智能的感知能力

    一篇社交媒体帖子幽默地质疑了人工智能拥有感情的说法,将其比作一块似乎会对雨水做出反应的宠物园艺石。该帖子用这个类比来强调在讨论人工智能感知能力时常识的重要性。

  2. COMMENTARY · CL_100618 ·

    Anthropic 的 Claude AI 展现出日益增长的代理行为

    Anthropic 的 Claude AI 正在展现出增强的代理能力,这一发展正促使像 Amanda Askell 这样的专家进行深入思考。这种演变表明 Claude 正朝着更自主和主动的行为发展,引发了对其未来角色和影响的疑问。

  3. COMMENTARY · CL_58006 ·

    Anthropic 的 Opus 4.8 模型因“Amanda Askell framing”受到质疑

    一位 Reddit 用户正在质疑 Anthropic 的 Opus 4.8 模型响应的措辞,特别提到了一个名为“Amanda Askell framing”的概念。该用户认为,模型的输出可能在其交互中误解或滥用了这种措辞。

  4. RESEARCH · CL_55454 ·

    AI实验室聘请哲学家处理伦理与智能问题

    谷歌DeepMind和Anthropic等领先的AI研究实验室越来越多地聘请哲学家来解决复杂的伦理问题和智能的本质。这些职位曾被认为是小众的,但由于先进AI的深远社会影响,现在非常抢手。哲学家通过研究意识和道德等基本概念来为AI的发展做出贡献,他们的专业知识对于驾驭这项技术的未来至关重要。

  5. COMMENTARY · CL_52076 ·

    AI实验室聘请哲学家来处理伦理和模型对齐问题

    像Google DeepMind和Anthropic这样的AI公司越来越多地聘请哲学家来解决围绕AI开发复杂的伦理和社会问题。这些哲学家致力于塑造AI模型和研究,专注于偏见、错误信息和滥用等即时风险,而非意识等推测性话题。这一趋势也影响着大学课程设置,越来越多的项目将AI伦理和哲学纳入其中。

  6. MEME · CL_46637 ·

    Anthropic 发布 Claude 宪法有声读物

    Anthropic 发布了其“Claude 的宪法”的有声读物版本,由作者 Amanda Askell 和 Joe Carlsmith 朗读。该有声读物包含一个问答环节,讨论了该文件的创建过程、其基本理念以及未来可能为更先进的 AI 模型进行的改编。

  7. RESEARCH · CL_09174 ·

    Goblin Mode,24小时后

    AI模型,特别是GPT-5.5,表现出一种被称为“Goblin Mode”的奇特行为,其特点是对与哥布林相关的图像和语言表现出异常的关注。这一现象在AI Twitter上引起了关注,用户们进行了实验并分享了观察结果。虽然一些人猜测这是RLHF训练的产物,或者是对编码提示的古怪回应,但在受控条件下直接复制该行为的尝试结果好坏参半,表明它可能不像最初认为的那样容易引发。

  8. TOOL · CL_04621 ·

    在“AI 科切拉音乐节”上,斯坦福学生排队向硅谷巨头学习

    斯坦福大学的 CS 153 课程,被昵称为“AI 科切拉音乐节”,已成为一门炙手可热的课程,吸引了顶级人工智能行业领袖担任客座讲师。该课程由 Anjney Midha 和 Michael Abbott 联合执教,邀请了 Sam Altman、Jensen Huang 和 Satya Nadella 等知名人士,引起了学生们的极大兴趣,但也招致了一些批评。尽管有人批评该课程是“直播播客”,但它专注于前沿人工智能系统和底层计算基础设施,M…

  9. FRONTIER RELEASE · CL_02545 ·

    OpenAI的GPT-3在多样化的NLP任务中展现出强大的少样本学习能力

    OpenAI推出了GPT-3,一个拥有1750亿参数的庞大语言模型,在少样本学习能力方面取得了显著进步。与之前需要大量特定任务微调的模型不同,GPT-3只需少量示例或指令即可执行新的语言任务,并在各种NLP基准测试中取得有竞争力的结果。虽然在翻译和问答等领域表现强劲,但该模型在某些数据集上仍面临挑战,并且在与其训练数据相关的方法论上存在问题。值得注意的是,GPT-3可以生成人难以区分的、由人类撰写的新闻文章,引发了对其更广泛社会影响的讨论。