


Der CEO von OpenAI reagierte auf die „Schweigevereinbarung', der Streit entstehe immer noch über Kapitalanteile, Ultraman: „Das ist meine Schuld.'
Seit dem Rücktritt von Ilya und Jan, dem Leiter von Super Alignment, ist OpenAI immer noch untröstlich und immer mehr Menschen sind zurückgetreten, was auch zu mehr Konflikten geführt hat.
Gestern stand ein striktes „Schweigeabkommen“ im Mittelpunkt der Kontroverse.
Die ehemalige OpenAI-Mitarbeiterin Kelsey Piper brachte die Nachricht, dass die Anweisungen für das Onboarding-Dokument eines jeden Mitarbeiters Folgendes umfassen: „Innerhalb von sechzig Tagen nach Ausscheiden aus dem Unternehmen müssen Sie ein Trennungsdokument mit einer „allgemeinen Verzichtserklärung“ unterzeichnen. Wenn Sie dies nicht innerhalb von 60 Tagen tun Tage werden Ihre Eigenkapitalvorteile storniert. Und wenn die Leute keine Trennungsvereinbarung unterzeichnen (oder einer Nichtverunglimpfungsvereinbarung zustimmen), werden wir es nicht tun. Das unverfallbare Eigenkapital ist das unverfallbare Eigenkapital (Periode).
In Bezug darauf, wie OpenAI mit Eigenkapital umgeht, lauten Sam Altmans weitere Antworten wie folgt:
Wenn die Nachricht wahr ist, dürften die meisten ehemaligen Mitarbeiter, die „gekündigt“ wurden, „bis zum Schluss durchhalten“ wollen. Neben diesem Aufruhr gibt es gleichzeitig auch eine Kontroverse: darüber, wie OpenAI mit Sicherheit und zukünftigen Risiken umgehen wird.Nur 15 Minuten später stellte der Whistleblower erneut eine Frage und fragte dreist: Jetzt, wo Sie es bereits wissen, dann wird er es tun die bisherigen Arbeitnehmerbeschränkungsvereinbarungen aufgehoben werden? „Weil die meisten Menschen eine klare Lösung wollen, nicht nur eine Entschuldigung.“ Sam - - Ich denke, das gehört zum Job eines CEO. Manchmal muss man sich nicht nur entschuldigen, sondern die Leute werden auch kritisch sein und Klarstellung wollen und Beweise dafür sehen, dass sich die Richtlinie geändert hat Letztes Jahr wurde berichtet, dass die häufigste Kombination der OpenAI-Mitarbeitervergütung ein festes Grundgehalt von 300.000 US-Dollar und ein jährlicher PPU-Zuschuss (Profit Participation Unit) von etwa 500.000 US-Dollar ist. Dies ist eine Form der Eigenkapitalvergütung. Allerdings wird erwartet, dass die meisten OpenAI-Mitarbeiter während der vierjährigen Laufzeit des PPU-Zuschusses eine aktienbasierte Vergütung in Höhe von mindestens 2 Millionen US-Dollar erhalten.
Mehreren Medienberichten zufolge wurde das Super Alignment-Team von OpenAI nach dem kürzlichen Abgang der beiden Co-Leiter des Super Alignment-Teams, Ilya Sutskever und Jan Leike, aufgelöst. Jan Leike veröffentlichte am Freitag auch eine Reihe von Beiträgen, in denen er OpenAI und seine Führung dafür kritisierte, dass sie „Sicherheit“ zugunsten von „Hochglanzprodukten“ ignorierten.
Heute hat OpenAI-Mitbegründer Greg Brockman eine lange Antwort auf dieses Problem geschrieben.
Erstens haben wir das Bewusstsein für die Risiken und Chancen von AGI geschärft, damit die Welt besser darauf vorbereitet sein kann. Wir haben wiederholt die erstaunlichen Möglichkeiten der Skalierung von Deep Learning aufgezeigt und seine Auswirkungen analysiert. Wir haben eine internationale Governance von AGI gefordert, bevor solche Forderungen populär wurden, und haben dazu beigetragen, die Wissenschaft zur Bewertung der katastrophalen Risiken von KI-Systemen voranzutreiben.
Zweitens haben wir die notwendigen Grundlagen für den sicheren Einsatz immer leistungsfähigerer Systeme gelegt. Der erstmalige Einsatz einer neuen Technologie ist nicht einfach. Unser Team hat beispielsweise viel Arbeit geleistet, um GPT-4 auf sichere Weise auf die Welt zu bringen, und seitdem haben wir das Modellverhalten und die Missbrauchsüberwachung basierend auf den Erkenntnissen aus der Bereitstellung weiter verbessert.
Drittens wird die Zukunft schwieriger sein als die Vergangenheit. Wir müssen unsere Sicherheitsbemühungen kontinuierlich verbessern, um den Risiken jedes neuen Modells zu begegnen. Letztes Jahr haben wir das Preparedness Framework eingeführt, um unsere Arbeit zu systematisieren.
Jetzt ist ein guter Zeitpunkt, darüber zu sprechen, wie wir die Zukunft sehen.
Da Models immer mächtiger werden, gehen wir davon aus, dass sie beginnen werden, sich tiefer in die Welt zu integrieren. Benutzer werden zunehmend mit Systemen interagieren, die aus vielen multimodalen Modellen und Tools bestehen, die in ihrem Namen Maßnahmen ergreifen können, anstatt mit einem einzelnen Modell zu sprechen, das nur Texteingabe und -ausgabe benötigt.
Wir glauben, dass diese Systeme für die Menschen von großem Nutzen und hilfreich sein werden und dass es möglich ist, sie sicher bereitzustellen, aber dafür ist viel Vorarbeit erforderlich. Dazu gehören sorgfältige Überlegungen darüber, worauf sie während der Schulung eingehen, Lösungen für schwierige Probleme wie skalierbare Aufsicht und andere neue Arten von Sicherheitsbemühungen. Während wir uns in diese Richtung bewegen, sind wir noch nicht sicher, wann wir die Sicherheitsstandards für die Veröffentlichung erreichen werden, und wenn sich die Veröffentlichung dadurch verzögert, ist das in Ordnung.
Wir wissen, dass wir uns nicht alle möglichen Zukunftsszenarien vorstellen können. Deshalb brauchen wir eine sehr enge Feedbackschleife, strenge Tests, sorgfältige Abwägung jedes Schritts, erstklassige Sicherheit und eine harmonische Integration von Sicherheit und Funktionalität. Wir werden weiterhin Sicherheitsforschung auf verschiedenen Zeitskalen durchführen. Wir werden auch weiterhin mit Regierungen und vielen Interessengruppen in Sicherheitsfragen zusammenarbeiten.
Es gibt keinen bewährten Leitfaden auf dem Weg zur künstlichen Intelligenz. Wir glauben, dass empirisches Verständnis dabei helfen kann, den Weg in die Zukunft zu weisen. Wir glauben daran, große Wachstumsaussichten zu erzielen und gleichzeitig ernsthafte Risiken zu mindern. Wir nehmen unsere Rolle dabei sehr ernst und wägen das Feedback zu unseren Maßnahmen sorgfältig ab.
– Sam und Greg
Aber der Effekt scheint unbefriedigend zu sein und wird sogar lächerlich gemacht:
Gary Marcus, ein aktiver Wissenschaftler auf dem Gebiet der KI, sagte auch: Transparenz spricht lauter als Beredsamkeit.
Es scheint, dass Greg Brockman nicht die Absicht hat, eine spezifischere Antwort auf Richtlinien oder Verpflichtungen zu geben.
Nach dem Weggang von Jan Leike und Ilya Sutskever wurde ein weiterer OpenAI-Mitbegründer, John Schulman, mit der Leitung der Arbeit des Super Alignment-Teams beauftragt. Es gibt lediglich keine eigene Abteilung mehr, sondern eine locker verwandte Mannschaft. Gruppen von Forschern, die in verschiedenen Teilen des Unternehmens verankert sind. OpenAI beschreibt dies als „tiefere Integration (von Teams)“.
Was ist die Wahrheit hinter der Kontroverse? Vielleicht wusste Ilya Sutskever es am besten, aber er entschied sich, das Spiel würdevoll zu verlassen und wird in Zukunft möglicherweise nicht mehr darüber sprechen. Schließlich habe er bereits „ein sehr persönlich bedeutsames Projekt“ vor sich.
Das obige ist der detaillierte Inhalt vonDer CEO von OpenAI reagierte auf die „Schweigevereinbarung', der Streit entstehe immer noch über Kapitalanteile, Ultraman: „Das ist meine Schuld.'. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen











Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Wenn die Antwort des KI-Modells überhaupt unverständlich ist, würden Sie es wagen, sie zu verwenden? Da maschinelle Lernsysteme in immer wichtigeren Bereichen eingesetzt werden, wird es immer wichtiger zu zeigen, warum wir ihren Ergebnissen vertrauen können und wann wir ihnen nicht vertrauen sollten. Eine Möglichkeit, Vertrauen in die Ausgabe eines komplexen Systems zu gewinnen, besteht darin, vom System zu verlangen, dass es eine Interpretation seiner Ausgabe erstellt, die für einen Menschen oder ein anderes vertrauenswürdiges System lesbar ist, d. h. so vollständig verständlich, dass mögliche Fehler erkannt werden können gefunden. Um beispielsweise Vertrauen in das Justizsystem aufzubauen, verlangen wir von den Gerichten, dass sie klare und lesbare schriftliche Stellungnahmen abgeben, die ihre Entscheidungen erläutern und stützen. Für große Sprachmodelle können wir auch einen ähnlichen Ansatz verfolgen. Stellen Sie bei diesem Ansatz jedoch sicher, dass das Sprachmodell generiert wird

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht

In der Welt der Front-End-Entwicklung ist VSCode mit seinen leistungsstarken Funktionen und seinem umfangreichen Plug-in-Ökosystem für unzählige Entwickler zum Werkzeug der Wahl geworden. In den letzten Jahren sind mit der rasanten Entwicklung der Technologie der künstlichen Intelligenz KI-Code-Assistenten auf VSCode entstanden, die die Codierungseffizienz der Entwickler erheblich verbessert haben. KI-Code-Assistenten auf VSCode sind wie Pilze nach einem Regen aus dem Boden geschossen und haben die Codierungseffizienz der Entwickler erheblich verbessert. Es nutzt Technologie der künstlichen Intelligenz, um Code intelligent zu analysieren und eine präzise Code-Vervollständigung, automatische Fehlerkorrektur, Grammatikprüfung und andere Funktionen bereitzustellen, wodurch Entwicklerfehler und mühsame manuelle Arbeit während des Codierungsprozesses erheblich reduziert werden. Heute werde ich 12 KI-Code-Assistenten für die Frontend-Entwicklung von VSCode empfehlen, die Sie bei Ihrer Programmierreise unterstützen.
