改进影响函数及其他训练数据归因方法,或利用训练数据归因来理解与对齐相关的现象,例如脱离情境的推理和涌现错位。
Standard (1-2 hours of weekly 1:1s)
Indifferent
Weak preference
Roger Grosse 是 University of Toronto 的计算机科学副教授,也是 Anthropic 对齐科学团队成员,研究训练数据归因。他在 MIT 获得计算机科学博士学位。
我会根据学员的准备程度给予相应的研究自主权。我会准备好聚焦且可直接启动的项目;如果学员能力突出、已有明确且感兴趣的研究方向,也可以灵活地推进自己的想法。