cover of episode 【人工智能】什么是强化学习中的奖励黑客 | Reward Hacking | OpenAI前安全主管翁荔最新长文 | 奖励函数 | RLHF | 古德哈特定律 | ICRH | 缓释措施

【人工智能】什么是强化学习中的奖励黑客 | Reward Hacking | OpenAI前安全主管翁荔最新长文 | 奖励函数 | RLHF | 古德哈特定律 | ICRH | 缓释措施

2024/12/6
logo of podcast 最佳拍档

最佳拍档

Frequently requested episodes will be transcribed first

Shownotes Transcript

No transcript made for this episode yet, you may request it for free.