Aurelius
Aurelius是一个去中心化平台,通过系统地探测语言模型来发现安全失效和边缘情况行为,从而生成高质量的AI对齐数据。该平台使用开源审核工具、基于LLM的评判器以及定制的对齐指标,从多个伦理和安全维度评估响应。其目标是为对齐研究创建透明且可验证的基础,并建立一个长期生态系统,让多样化的观点帮助定义、衡量和改进日益强大的AI系统的安全性。
正在加载…
Aurelius是一个去中心化平台,通过系统地探测语言模型来发现安全失效和边缘情况行为,从而生成高质量的AI对齐数据。该平台使用开源审核工具、基于LLM的评判器以及定制的对齐指标,从多个伦理和安全维度评估响应。其目标是为对齐研究创建透明且可验证的基础,并建立一个长期生态系统,让多样化的观点帮助定义、衡量和改进日益强大的AI系统的安全性。