Distilled Self-Critique of LLMs with Synthetic Data: a Bayesian Perspective
专题命中 偏好对齐 :safety(abstract);分类 cs.CL、cs.LG
Comments Accepted to ICLR 2024 (TinyPapers track)
Journal ref The Second Tiny Papers Track at ICLR 2024
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
专题命中 偏好对齐 :safety(abstract);分类 cs.CL、cs.LG
Comments Accepted to ICLR 2024 (TinyPapers track)
Journal ref The Second Tiny Papers Track at ICLR 2024
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.LG
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI
Comments NAACL 2024 Findings
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL、cs.AI
Comments Preprint
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL、cs.AI
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI
Comments 7 pages, 11 figures, ACM conference paper, 33 references
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI
Comments 24 pages, 41 figures
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL、cs.LG
专题命中 偏好对齐 :DPO(abstract);分类 cs.CL、cs.AI
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI
专题命中 偏好对齐 :trustworthy(abstract);分类 cs.CL、cs.AI
专题命中 偏好对齐 :alignment(abstract);分类 cs.AI、cs.LG
Comments 23 pages, 16 figures
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL、cs.AI
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI
Comments Accepted to EMNLP 2023
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL、cs.LG
专题命中 偏好对齐 :safety(abstract);分类 cs.AI、cs.LG
Comments Accepted to NeurIPS 2023
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.LG
Comments 25 pages, Code is available on Github: https://github.com/neelsjain/NEFTune
专题命中 偏好对齐 :RLHF(abstract);分类 cs.AI、cs.LG
Comments 8 pages (16 pages with references and appendix), 11 figures
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI
专题命中 偏好对齐 :alignment(abstract);分类 cs.AI、cs.LG
Comments still in progress
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.LG
Comments 23 pages, 16 figures
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.LG
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI
Comments 5 pages, 3 figures
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL、cs.LG
Comments ICML 2023
专题命中 偏好对齐 :alignment(abstract);分类 cs.CL、cs.AI
Comments Accepted by KDD 2022. Code: https://github.com/RUCAIBox/UniCRS
专题命中 偏好对齐 :RLHF(abstract);分类 cs.CL、cs.AI