0.2美元微調(diào)就能讓ChatGPT徹底破防！普林斯頓、斯坦福發(fā)布LLM風(fēng)險預(yù)警：普通用戶微調(diào)也影響LLM安全性

AIGC動態(tài)歡迎閱讀

原標(biāo)題：0.2美元微調(diào)就能讓ChatGPT徹底破防！普林斯頓、斯坦福發(fā)布LLM風(fēng)險預(yù)警：普通用戶微調(diào)也影響LLM安全性

關(guān)鍵字：模型,政策,數(shù)據(jù),安全性,指令

文章來源：新智元

內(nèi)容字?jǐn)?shù)：6546字

內(nèi)容摘要：新智元報道編輯：LRS【新智元導(dǎo)讀】微調(diào)LLM需謹(jǐn)慎，用良性數(shù)據(jù)、微調(diào)后角色扮演等都會破壞LLM對齊性能！學(xué)習(xí)調(diào)大了還會繼續(xù)提高風(fēng)險！雖說預(yù)訓(xùn)練語言模型可以在零樣本（zero-shot）設(shè)置下，對新任務(wù)實現(xiàn)非常好的泛化性能，但在現(xiàn)實應(yīng)用時，往往還需要針對特定用例對模型進(jìn)行微調(diào)。不過，微調(diào)后的模型安全性如何？是否會遺忘之前接受的對齊訓(xùn)練嗎？面向用戶時是否會輸出有害內(nèi)容？提供LLM服務(wù)的廠商也需要考慮…

原文鏈接：點此閱讀原文：0.2美元微調(diào)就能讓ChatGPT徹底破防！普林斯頓、斯坦福發(fā)布LLM風(fēng)險預(yù)警：普通用戶微調(diào)也影響LLM安全性

聯(lián)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(lián)網(wǎng)+邁向智能+新紀(jì)元。重點關(guān)注人工智能、機器人等前沿領(lǐng)域發(fā)展，關(guān)注人機融合、人工智能和機器人對人類社會與文明進(jìn)化的影響，領(lǐng)航中國新智能時代。