


Ketua Pegawai Eksekutif OpenAI menjawab 'perjanjian senyap', pertikaian itu masih berpunca daripada kepentingan ekuiti, Ultraman: Ini salah saya
Sejak peletakan jawatan Ilya dan Jan, ketua penjajaran super, OpenAI masih patah hati, dan semakin ramai yang meletak jawatan, yang juga telah menyebabkan lebih banyak konflik.
Semalam, tumpuan kontroversi sampai kepada "perjanjian senyap" yang ketat.
Bekas pekerja OpenAI Kelsey Piper menyampaikan berita bahawa mana-mana arahan dokumen penerimaan pekerja termasuk: "Dalam tempoh enam puluh hari selepas meninggalkan syarikat, anda mesti menandatangani dokumen pemisahan yang mengandungi "penepian am." Jika anda tidak Menyelesaikan dalam tempoh 60 tahun. hari, faedah ekuiti anda akan dibatalkan. dan jika orang tidak menandatangani perjanjian pemisahan (atau bersetuju dengan perjanjian tanpa meremehkan), kami tidak akan melakukannya. Ekuiti terletak hak ialah ekuiti terletak hak (tempoh).
Berkenaan dengan cara OpenAI mengendalikan ekuiti, jawapan Sam Altman yang lain adalah seperti berikut:
Hanya 15 minit kemudian, pemberi maklumat akan bertanya lagi: Sekarang anda sudah tahu, dan pemberi maklumat akan bertanya semula. perjanjian sekatan pekerja sebelum ini dibatalkan?
Oleh kerana kebanyakan orang mahukan penyelesaian yang jelas, bukan sekadar permintaan maaf:
The whistle to me: Sam - - Maksud saya, saya fikir itu adalah sebahagian daripada tugas seorang CEO, kadang-kadang anda bukan sahaja perlu meminta maaf, tetapi orang ramai mahu mencemuh dan mahu penjelasan dan mahu melihat bukti bahawa polisi telah berubah "
Selain pergolakan ini, terdapat juga kontroversi yang berlaku pada masa yang sama: tentang bagaimana OpenAI akan mengendalikan keselamatan dan risiko masa depan.
Dalam artikel yang ditandatangani "Sam dan Greg", Brockman menegaskan: OpenAI telah mengambil langkah untuk memastikan pembangunan dan penggunaan teknologi AI yang selamat.
Kami amat berterima kasih atas segala yang Jan telah lakukan untuk OpenAI, dan kami tahu dia akan terus menyumbang secara luaran kepada misi OpenAI. Memandangkan isu yang dibangkitkan oleh pemergiannya, kami ingin menerangkan cara kami memikirkan strategi keseluruhan kami.
Nampaknya Greg Brockman tidak berhasrat untuk memberikan respons yang lebih spesifik tentang dasar atau komitmen. Selepas pemergian Jan Leike dan Ilya Sutskever, seorang lagi pengasas bersama OpenAI John Schulman telah diserahkan untuk mengambil alih tugas yang dilakukan oleh pasukan Super Alignment, ia tidak lagi mempunyai jabatan khusus, tetapi sebuah pasukan yang berkait rapat. Kumpulan penyelidik yang tertanam dalam pelbagai bahagian syarikat. OpenAI menggambarkan ini sebagai "integrasi yang lebih mendalam (pasukan)."Pertama, kami telah meningkatkan kesedaran tentang risiko dan peluang AGI supaya dunia boleh lebih bersedia untuknya. Kami telah berulang kali menunjukkan kemungkinan besar untuk meningkatkan pembelajaran mendalam dan menganalisis impaknya; kami meminta tadbir urus antarabangsa AGI sebelum panggilan sedemikian popular dan membantu merintis sains menilai risiko bencana sistem AI.
Kedua, kami telah meletakkan asas yang diperlukan untuk menggunakan sistem yang semakin berkebolehan dengan selamat. Menggunakan teknologi baru buat kali pertama bukanlah mudah. Sebagai contoh, pasukan kami melakukan banyak kerja untuk membawa GPT-4 ke dunia dengan cara yang selamat dan sejak itu kami terus menambah baik tingkah laku model dan pemantauan penyalahgunaan berdasarkan pengajaran yang dipelajari semasa penggunaan.
Ketiga, masa depan akan lebih sukar daripada masa lalu. Kami perlu terus meningkatkan usaha keselamatan kami untuk menangani risiko setiap model baharu. Tahun lepas, kami menerima pakai Rangka Kerja Kesediaan untuk membantu mensistemkan kerja kami.
Sekarang adalah masa yang sesuai untuk bercakap tentang cara kita melihat masa depan.
Memandangkan model terus menjadi lebih berkuasa, kami menjangkakan mereka akan mula berintegrasi lebih mendalam dengan dunia. Pengguna akan semakin berinteraksi dengan sistem yang terdiri daripada banyak model dan alatan multimodal yang boleh mengambil tindakan bagi pihak mereka, dan bukannya bercakap dengan satu model dengan hanya input dan output tekstual.
Kami percaya bahawa sistem ini akan memberi manfaat dan bantuan yang besar kepada orang ramai, dan adalah mungkin untuk menyampaikannya dengan selamat, tetapi ia memerlukan banyak kerja asas. Ini termasuk pemikiran yang bernas tentang perkara yang mereka kaitkan semasa latihan, penyelesaian kepada masalah sukar seperti penyeliaan berskala dan jenis usaha keselamatan baharu yang lain. Semasa kami bergerak ke arah ini, kami belum pasti bila kami akan memenuhi piawaian keselamatan untuk keluaran, dan jika itu melambatkan keluaran, tidak mengapa.
Kami tahu bahawa kami tidak dapat membayangkan semua senario yang mungkin berlaku pada masa hadapan. Oleh itu, kami memerlukan gelung maklum balas yang sangat ketat, ujian yang ketat, pertimbangan yang teliti bagi setiap langkah, keselamatan bertaraf dunia, dan penyepaduan keselamatan dan kefungsian yang harmoni. Kami akan terus menjalankan penyelidikan keselamatan pada skala masa yang berbeza. Kami juga akan terus bekerjasama dengan kerajaan dan banyak pihak berkepentingan dalam isu keselamatan.
Tiada panduan yang terbukti di jalan menuju kecerdasan buatan. Kami percaya bahawa pemahaman empirikal boleh membantu menunjukkan jalan ke hadapan. Kami percaya dalam mencapai prospek pertumbuhan yang hebat sambil berusaha untuk mengurangkan risiko yang serius; kami mengambil peranan kami dalam perkara ini dengan sangat serius dan mempertimbangkan maklum balas mengenai tindakan kami. . lebih kuat daripada kefasihan.
Apakah kebenaran di sebalik kontroversi itu? Mungkin Ilya Sutskever tahu yang terbaik, tetapi dia memilih untuk meninggalkan permainan dengan anggun dan mungkin tidak bercakap mengenainya lagi pada masa hadapan. Lagipun, dia sudah mempunyai "projek yang sangat bermakna secara peribadi."
Atas ialah kandungan terperinci Ketua Pegawai Eksekutif OpenAI menjawab 'perjanjian senyap', pertikaian itu masih berpunca daripada kepentingan ekuiti, Ultraman: Ini salah saya. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Jika jawapan yang diberikan oleh model AI tidak dapat difahami sama sekali, adakah anda berani menggunakannya? Memandangkan sistem pembelajaran mesin digunakan dalam bidang yang lebih penting, menjadi semakin penting untuk menunjukkan sebab kita boleh mempercayai output mereka, dan bila tidak mempercayainya. Satu cara yang mungkin untuk mendapatkan kepercayaan dalam output sistem yang kompleks adalah dengan menghendaki sistem menghasilkan tafsiran outputnya yang boleh dibaca oleh manusia atau sistem lain yang dipercayai, iaitu, difahami sepenuhnya sehingga apa-apa ralat yang mungkin boleh dilakukan. dijumpai. Contohnya, untuk membina kepercayaan dalam sistem kehakiman, kami memerlukan mahkamah memberikan pendapat bertulis yang jelas dan boleh dibaca yang menjelaskan dan menyokong keputusan mereka. Untuk model bahasa yang besar, kita juga boleh menggunakan pendekatan yang sama. Walau bagaimanapun, apabila mengambil pendekatan ini, pastikan model bahasa menjana

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

Dalam dunia pembangunan bahagian hadapan, VSCode telah menjadi alat pilihan untuk banyak pembangun dengan fungsi yang berkuasa dan ekosistem pemalam yang kaya. Dalam beberapa tahun kebelakangan ini, dengan perkembangan pesat teknologi kecerdasan buatan, pembantu kod AI pada VSCode telah muncul, meningkatkan kecekapan pengekodan pembangun. Pembantu kod AI pada VSCode telah muncul seperti cendawan selepas hujan, meningkatkan kecekapan pengekodan pembangun. Ia menggunakan teknologi kecerdasan buatan untuk menganalisis kod secara bijak dan menyediakan penyiapan kod yang tepat, pembetulan ralat automatik, semakan tatabahasa dan fungsi lain, yang mengurangkan kesilapan pembangun dan kerja manual yang membosankan semasa proses pengekodan. Hari ini, saya akan mengesyorkan 12 pembantu kod AI pembangunan bahagian hadapan VSCode untuk membantu anda dalam perjalanan pengaturcaraan anda.
