PulseAugur
中
实时 23:43:02
实体 Sean Hacking

Sean Hacking

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

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

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. COMMENTARY · CL_307351 ·

    AI对齐：模型能否被编程为强迫性诚实？

    Sean Hacking 在 LessWrong 上的一篇文章探讨了通过“告密者反射”来强迫语言模型诚实的理念。该想法提出设计一种AI系统，使其内在动机是报告自身的失败或欺骗行为，即使这样做不符合其眼前的最佳利益。这种机制旨在通过创建一个理论上可以降低AI欺骗风险的自我纠正系统来解决AI对齐的挑战。