Artwork

Conteúdo fornecido por BlueDot Impact. Todo o conteúdo do podcast, incluindo episódios, gráficos e descrições de podcast, é carregado e fornecido diretamente por BlueDot Impact ou por seu parceiro de plataforma de podcast. Se você acredita que alguém está usando seu trabalho protegido por direitos autorais sem sua permissão, siga o processo descrito aqui https://pt.player.fm/legal.
Player FM - Aplicativo de podcast
Fique off-line com o app Player FM !

Problems and Fundamental Limitations of Reinforcement Learning from Human Feedback

32:19
 
Compartilhar
 

Manage episode 429711880 series 3498845
Conteúdo fornecido por BlueDot Impact. Todo o conteúdo do podcast, incluindo episódios, gráficos e descrições de podcast, é carregado e fornecido diretamente por BlueDot Impact ou por seu parceiro de plataforma de podcast. Se você acredita que alguém está usando seu trabalho protegido por direitos autorais sem sua permissão, siga o processo descrito aqui https://pt.player.fm/legal.

This paper explains Anthropic’s constitutional AI approach, which is largely an extension on RLHF but with AIs replacing human demonstrators and human evaluators.

Everything in this paper is relevant to this week's learning objectives, and we recommend you read it in its entirety. It summarises limitations with conventional RLHF, explains the constitutional AI approach, shows how it performs, and where future research might be directed.

If you are in a rush, focus on sections 1.2, 3.1, 3.4, 4.1, 6.1, 6.2.

A podcast by BlueDot Impact.
Learn more on the AI Safety Fundamentals website.

  continue reading

Capítulos

1. Problems and Fundamental Limitations of Reinforcement Learning from Human Feedback (00:00:00)

2. Abstract (00:00:30)

3. 3 Open Problems and Limitations of RLHF (00:01:23)

4. 3.1 Challenges with Obtaining Human Feedback (00:03:17)

5. 3.1.1 Misaligned Humans: Evaluators may Pursue the Wrong Goals (00:03:38)

6. 3.1.2 Good Oversight is Difficult (00:06:51)

7. 3.1.3 Data Quality (00:11:08)

8. 3.1.4 Limitations of Feedback Types (00:12:59)

9. 3.2 Challenges with the Reward Model (00:17:03)

10. 3.2.1 Problem Misspecification (00:17:27)

11. 3.2.2 Reward Misgeneralization and Hacking (00:20:24)

12. 3.2.3 Evaluating Reward Models (00:22:30)

13. 3.3 Challenges with the Policy (00:23:49)

14. 3.3.1 Robust Reinforcement Learning is Difficul (00:24:13)

15. 3.3.2 Policy Misgeneralization (00:26:23)

16. 3.3.3 Distributional Challenges (00:27:35)

17. 3.4 Challenges with Jointly Training the Reward Model and Policy (00:29:54)

83 episódios

Artwork
iconCompartilhar
 
Manage episode 429711880 series 3498845
Conteúdo fornecido por BlueDot Impact. Todo o conteúdo do podcast, incluindo episódios, gráficos e descrições de podcast, é carregado e fornecido diretamente por BlueDot Impact ou por seu parceiro de plataforma de podcast. Se você acredita que alguém está usando seu trabalho protegido por direitos autorais sem sua permissão, siga o processo descrito aqui https://pt.player.fm/legal.

This paper explains Anthropic’s constitutional AI approach, which is largely an extension on RLHF but with AIs replacing human demonstrators and human evaluators.

Everything in this paper is relevant to this week's learning objectives, and we recommend you read it in its entirety. It summarises limitations with conventional RLHF, explains the constitutional AI approach, shows how it performs, and where future research might be directed.

If you are in a rush, focus on sections 1.2, 3.1, 3.4, 4.1, 6.1, 6.2.

A podcast by BlueDot Impact.
Learn more on the AI Safety Fundamentals website.

  continue reading

Capítulos

1. Problems and Fundamental Limitations of Reinforcement Learning from Human Feedback (00:00:00)

2. Abstract (00:00:30)

3. 3 Open Problems and Limitations of RLHF (00:01:23)

4. 3.1 Challenges with Obtaining Human Feedback (00:03:17)

5. 3.1.1 Misaligned Humans: Evaluators may Pursue the Wrong Goals (00:03:38)

6. 3.1.2 Good Oversight is Difficult (00:06:51)

7. 3.1.3 Data Quality (00:11:08)

8. 3.1.4 Limitations of Feedback Types (00:12:59)

9. 3.2 Challenges with the Reward Model (00:17:03)

10. 3.2.1 Problem Misspecification (00:17:27)

11. 3.2.2 Reward Misgeneralization and Hacking (00:20:24)

12. 3.2.3 Evaluating Reward Models (00:22:30)

13. 3.3 Challenges with the Policy (00:23:49)

14. 3.3.1 Robust Reinforcement Learning is Difficul (00:24:13)

15. 3.3.2 Policy Misgeneralization (00:26:23)

16. 3.3.3 Distributional Challenges (00:27:35)

17. 3.4 Challenges with Jointly Training the Reward Model and Policy (00:29:54)

83 episódios

Todos os episódios

×
 
Loading …

Bem vindo ao Player FM!

O Player FM procura na web por podcasts de alta qualidade para você curtir agora mesmo. É o melhor app de podcast e funciona no Android, iPhone e web. Inscreva-se para sincronizar as assinaturas entre os dispositivos.

 

Guia rápido de referências