最近的 AI 安全论文
本站共收录 6 篇2024 年 5 月
2024 年 3 月
- HaluEval-Wild:评估语言模型在真实场景中的幻觉
HaluEval-Wild: Evaluating Hallucinations of Language Models in the Wild
2024 年 1 月
- 用高效奖励模型集成改进 RLHF
Improving Reinforcement Learning from Human Feedback with Efficient Reward Model Ensemble
2023 年 10 月
署名以 dblp 和本人的 Google Scholar 为准;只列本站收录的 AI 安全论文。