谷歌浏览器插件

订阅小程序

在清言上使用

立即登录

学术主页个人账号

我的关注论文收藏浏览历史

Rule Based Rewards for Language Model Safety

Tong Mu,Alec Helyar,Johannes Heidecke,Joshua Achiam,Andrea Vallone,Ian D Kivlichan,Molly Lin,Alex Beutel,John Schulman,Lilian Weng

NeurIPS 2024（2024）

引用 18|浏览6

关键词

Large Language Model,LLM,RLHF,RLAIF,Safety,RBR,refusal,alignment

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要