Explore training workflows that reduce harmful model responses using a written set of principles. The skill covers self-critique, revised training examples, and RLAIF, reinforcement learning from AI feedback, with implementation examples and hardware guidance.
한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.
- Designing principles for model safety training
- Creating training examples through self-critique and revision
- Planning reinforcement learning with AI-rated responses
davila7/claude-code-templates☆ 3.3만2026년 10월 18일 업데이트
Explore training workflows that reduce harmful model responses using a written set of principles. The skill covers self-critique, revised training examples, and RLAIF, reinforcement learning from AI feedback, with implementation examples and hardware guidance.
한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.
- Designing principles for model safety training
- Creating training examples through self-critique and revision
- Planning reinforcement learning with AI-rated responses
Orchestra-Research/AI-Research-SKILLs☆ 1.4만2026년 10월 11일 업데이트
Método da Anthropic para treinar IA inofensiva através de auto-aprimoramento. Abordagem em duas fases - aprendizado supervisionado com auto-crítica/revisão, depois RLAIF (RL from AI Feedback). Use para alinhamento de segurança, redução de outputs prejudiciais sem rótulos humanos. Alimenta o sistema de segurança do Claude.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
artubss/SKILLS-CLAUDE-CODE☆ 112026년 5월 17일 업데이트