Human-AI Complementarity: A Goal for Amplified Oversight
Rishub Jain, Sophie Bridgers, Lili Janzer, Rory Greig et autres
gb (code pays fourni par la source)
0 citations
Vladimir Mikulik
Informations fournies par OpenAlex. Research Africa ne déduit ni nationalité, ni poste, ni coordonnées personnelles.
23Publications signalées
2506Citations signalées
4Affiliations récentes
Les institutions déclarées
Les domaines associés
Topic ModelingExplainable Artificial Intelligence (XAI)Natural Language Processing TechniquesAdversarial Robustness in Machine LearningCOVID-19 epidemiological studies
Les publications récentes
Gemma Needs Help: Investigating and Mitigating Emotional Instability in LLMs
Anna Soligo, Vladimir Mikulik, William Saunders
0 citations
arXiv (Cornell University)
Gemma Needs Help: Investigating and Mitigating Emotional Instability in LLMs
Anna Soligo, Vladimir Mikulik, William Saunders
gb, in, us, fr (code pays fourni par la source)
0 citations
arXiv (Cornell University)
Constitutional Classifiers++: Efficient Production-Grade Defenses against Universal Jailbreaks
Hoagy Cunningham, Jerry Wei, Zihan Wang, Andrew Persic et autres
0 citations
arXiv (Cornell University)
Constitutional Classifiers++: Efficient Production-Grade Defenses against Universal Jailbreaks
Hoagy Cunningham, Jerry Wei, Zihan Wang, Andrew Persic et autres
0 citations
arXiv (Cornell University)
Gemini: A Family of Highly Capable Multimodal Models
Gemini Robotics Team, Rohan Anil, Sebastian Borgeaud, Jean-Baptiste Alayrac et autres
843 citations
arXiv (Cornell University)
Challenges with unsupervised LLM knowledge discovery
Sebastian Farquhar, Vikrant Varma, Zachary Kenton, Johannes Gasteiger et autres
3 citations
arXiv (Cornell University)
The Hydra Effect: Emergent Self-repair in Language Model Computations
Thomas McGrath, Matthew Rahtz, János Kramár, Vladimir Mikulik et autres
3 citations
arXiv (Cornell University)
Does Circuit Analysis Interpretability Scale? Evidence from Multiple Choice Capabilities in Chinchilla
Tom Lieberum, Matthew Rahtz, János Kramár, Neel Nanda et autres
6 citations
arXiv (Cornell University)
Tracr: Compiled Transformers as a Laboratory for Interpretability
David Lindner, János Kramár, Matthew Rahtz, Thomas McGrath et autres
6 citations
arXiv (Cornell University)
Tracr: Compiled Transformers as a Laboratory for Interpretability
David Lindner, János Kramár, Sebastian Farquhar, Matthew Rahtz et autres
1 citation
Teaching language models to support answers with verified quotes
Jacob Menick, Maja Trębacz, Vladimir Mikulik, John Aslanides et autres
54 citations
arXiv (Cornell University)
BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.