AIGC動態歡迎閱讀

原標題：0.2美元微調就能讓ChatGPT徹底破防！普林斯頓、斯坦福發布LLM風險預警：普通用戶微調也影響LLM安全性

關鍵字：模型,政策,數據,安全性,指令

文章來源：新智元

內容字數：6546字

內容摘要：新智元報道編輯：LRS【新智元導讀】微調LLM需謹慎，用良性數據、微調后角色扮演等都會破壞LLM對齊性能！學習調大了還會繼續提高風險！雖說預訓練語言模型可以在零樣本（zero-shot）設置下，對新任務實現非常好的泛化性能，但在現實應用時，往往還需要針對特定用例對模型進行微調。不過，微調后的模型安全性如何？是否會遺忘之前接受的對齊訓練嗎？面向用戶時是否會輸出有害內容？提供LLM服務的廠商也需要考慮…

原文鏈接：點此閱讀原文：0.2美元微調就能讓ChatGPT徹底破防！普林斯頓、斯坦福發布LLM風險預警：普通用戶微調也影響LLM安全性

聯系作者

文章來源：新智元

作者微信：AI_era

作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。