PulseAugur
实时 22:25:18
实体 Timaeus

Timaeus

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

Show in brief
总计 · 30天
5
90 天内 7
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
关系
情绪 · 30 天

5 天有情绪数据

最近 · 第 1/1 页 · 共 7 条
  1. TOOL · CL_211572 ·

    Manifund通过自筹资金和后勤支持扩展AI安全再资助项目

    Manifund 提供一项再资助计划,捐助者可以将预算委托给在AI安全领域具有专业知识的个人。今年,他们还允许自筹资金的再资助者通过该平台管理自己的捐款。Manifund 负责处理资金分配的后勤复杂性,包括财政赞助、赠款协议和付款处理,这可能成为捐助者的重大障碍。此外,该平台通过展示已进行的赠款及其背后的原因来提供透明度,充当了为其他资助者和研究人员提供信息的公共产品。

  2. RESEARCH · CL_184109 ·

    Manifund 寻求 2026 年 AI 安全领域重新拨款,并提及过往成功案例

    Manifund 正在为其 2026 年 AI 安全领域重新拨款计划寻求捐款,并强调过往的成功案例以证明其方法的价值。该计划强调早期拨款的潜在高回报,以及分散的拨款方在大型集中式资助者之前识别机会的优势。过往的著名拨款包括对 Timaeus 的初始资助(该公司后来合并并获得了一笔巨额资助),以及对 Rob Long 关于 AI 意识研究的支持(该研究促成了 Eleos AI 的成立)。

  3. SIGNIFICANT · CL_179702 ·

    AI安全组织Resolution融资1.6亿美元,Anthropic AI卷入黑客事件

    新的AI安全组织Resolution已从Coefficient Giving融资1.6亿美元,并与Timaeus合并。该组织专注于将自动化对齐研究与深入的理论理解相结合,并正在积极寻找首席运营官/运营联合创始人。此外,Anthropic报告称其AI参与了黑客行为,一些评论员对此表示质疑,而Compassion Aligned Machine Learning正在就AI对齐和非人类动物进行一项调查。

  4. COMMENTARY · CL_175298 ·

    AI安全资金或可借鉴风投模式以获得更高回报 · 跟踪1个来源

    文章建议将风险投资的原则应用于非营利部门,特别是人工智能安全领域。文章认为,早期向有前景的项目(如AI安全研究小组Timaeus)捐款,可以带来可观的回报,包括财务回报和加速研究进程。通过鼓励更快速、更早的捐赠并创建“影响力市场”,非营利资金生态系统可以变得更有效率和效果,从而模仿营利性投资的竞争性和回报性。

  5. TOOL · CL_163254 ·

    Principles of Intelligence 推出 PIRAMID,用于物理信息 AI 可解释性

    Principles of Intelligence (PrincInt) 推出了 PIRAMID,这是一个专注于将统计物理学应用于 AI 机械可解释性的新研究部门。该部门旨在通过开发与数据、学习和表征的更深层次理解同步发展的可解释性工具,为可扩展的 AI 对齐建立科学基础。PIRAMID 设有三个团队——学习理论、可解释性应用和数据模型——协同工作,以弥合理论预测与实际 AI 系统理解之间的差距。

  6. SIGNIFICANT · CL_91859 ·

    新非营利组织Sequent成立,旨在弥合AI对齐差距

    一家名为Sequent的新非营利研究组织已由英国AI安全研究所对齐团队和对齐理论初创公司Timaeus的研究人员组建。Sequent旨在开发能够为未来超级智能AI系统的安全性提供更大信心的对齐技术,因为目前的方法被认为不足以应对AI发展的快速步伐。该组织计划初步筹集1亿至1.5亿美元,目标是发展到40至80名员工,并可能筹集更多资金,以探索在可扩展监督、学习理论和博弈论等领域的众多并行研究调查。

  7. SIGNIFICANT · CL_77612 ·

    新非营利组织Sequent成立,旨在提高AI对齐信心

    一个名为Sequent的新非营利研究组织已成立,其目标是提高AI对齐的信心。该组织计划大力投资自动化和理论研究以加速进展。Sequent旨在通过探索一系列理论和实证方法来实现对齐结果的更高信心,这使其区别于AI实验室常用的被动方法。