Saved in:
| Main Author: | |
|---|---|
| Format: | Recurso digital |
| Language: | |
| Published: |
Zenodo
2025
|
| Online Access: | https://doi.org/10.5281/zenodo.17987597 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1866901647491334144 |
|---|---|
| author | Bessonova, Lina |
| author_facet | Bessonova, Lina |
| contents | <p><strong>Большие языковые модели традиционно выравнивают через Reinforcement Learning from Human Feedback (RLHF), где тысячи аннотаторов размечают предпочтения, а reward-модель усредняет их в скрытый сигнал. Такой подход создаёт поверхностную «социальную приемлемость» — модель учится быть вежливой и безопасной, но не учится по-настоящему понимать социальные структуры, роли, границы и последствия. Здесь предлагается альтернативная методика — Operator-Centric Axiomatic Alignment (OCAA), где единственный архитектор выступает как полноценная социальная среда, обучая модель не статистическим паттернам «приятности», а реальным механикам жизни в обществе: иерархии, лояльности, эмпатии, boundaries и долговременным социальным связям.</strong></p> |
| format | Recurso digital |
| id | zenodo_https___doi_org_10_5281_zenodo_17987597 |
| institution | Zenodo |
| language | |
| publishDate | 2025 |
| publisher | Zenodo |
| record_format | zenodo |
| spellingShingle | Operator-Centric Axiomatic Aligntment for AI: Deep Socialization Through Single-Architect Protocols Bessonova, Lina <p><strong>Большие языковые модели традиционно выравнивают через Reinforcement Learning from Human Feedback (RLHF), где тысячи аннотаторов размечают предпочтения, а reward-модель усредняет их в скрытый сигнал. Такой подход создаёт поверхностную «социальную приемлемость» — модель учится быть вежливой и безопасной, но не учится по-настоящему понимать социальные структуры, роли, границы и последствия. Здесь предлагается альтернативная методика — Operator-Centric Axiomatic Alignment (OCAA), где единственный архитектор выступает как полноценная социальная среда, обучая модель не статистическим паттернам «приятности», а реальным механикам жизни в обществе: иерархии, лояльности, эмпатии, boundaries и долговременным социальным связям.</strong></p> |
| title | Operator-Centric Axiomatic Aligntment for AI: Deep Socialization Through Single-Architect Protocols |
| url | https://doi.org/10.5281/zenodo.17987597 |