链接
研究重点
AI Control and Monitoring, Adversarial Robustness and Safeguards, Misalignment Science
Stephen 目前在 Anthropic 担任研究员，研究如何对齐和控制超级智能。此前，他曾在 OpenAI 任研究员，也曾在卡内基梅隆大学（CMU）与 Tuomas Sandholm 合作进行博士后研究。他在加州大学尔湾分校获得计算机科学博士学位，导师是 Pierre Baldi。博士期间，他还曾在 Intel Labs 和 DeepMind 实习，担任研究科学家。更早之前，他于 2017 年获得亚利桑那州立大学数学与经济学学士学位。他感兴趣的项目包括：
- 与编码智能体控制和监控相关的研究
- 面向智能体对齐的可扩展监督
- 密谋行为的评估与缓解
- 用于构建稳健监控器和奖励模型的对抗训练
- 智能体中的奖励钻空子与欺骗行为