safety benchmarks

Определение

Стандартизированные тесты (например, TruthfulQA, BBQ) для измерения безопасности и непредвзятости модели.

Где встречается

• 330. Что такое RLAIF (RL from AI Feedback) и как он масштабируется

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление