The WMDP Benchmark: Measuring and Reducing Malicious Use With Unlearning
危险知识代理测量与遗忘效果评测。
核对原文署名 ↗文献署名
按原文作者姓名整理的已收录成果。机构与作者身份以具体文献为依据。
危险知识代理测量与遗忘效果评测。
核对原文署名 ↗研究目标行为特征能否通过不含显式语义示例的生成数据传递。
核对原文署名 ↗通过对抗审计博弈,测试对有意训练的能力隐藏行为的检测。
核对原文署名 ↗训练模型回答关于另一模型激活的问题,并评测其对隐藏信息与目标的泛化。
核对原文署名 ↗