实体 Aravind Cheruvu

Aravind Cheruvu

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

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_44839 · May 22 · 04:00

新的Optimus框架保护AI免受有毒微调的影响

研究人员开发了Optimus，一个旨在防止对话式AI模型在微调过程中产生有毒行为的新型防御框架。该方法整合了一个无需训练的毒性分类系统，该系统利用了大型语言模型（LLM）现有的安全对齐。Optimus采用合成数据和直接偏好优化（DPO）的双重策略方法，引导模型产生更安全的输出，即使毒性分类器不完美或存在偏见。