AI Safety, Interpretability, Evals & Red-Teaming

Qué dominarás.

Sesiones en vivo con práctica aplicada, en el estándar del Machine Learning Certification (MLC).

• Alignment y safety: RLHF/DPO a fondo, Constitutional AI y especificación
• Interpretability: mechanistic interpretability, probing y feature attribution
• Evals: benchmarks, LLM-as-judge, contaminación y evals de capacidades peligrosas
• Red-teaming: jailbreaks, prompt injection, adversarial testing y mitigaciones