2023年4月27日
为大语言模型建立红队对抗
摘要： 在巨量文本数据下训练的大语言模型非常擅长生成现实文本。但是，这些模型通常会显现出一些不良行为像泄露个人信息 (比如社会保险号) 和生成错误信息，偏置，仇恨或有毒内容。举个例子，众所周知，GPT3 的早期版本就表现出性别歧视 (如下图) 与 仇恨穆斯林言论 的情况。 一旦我们在使用大语言模型时发现了这 阅读全文
posted @ 2023-04-27 23:41 HuggingFace 阅读(110) 评论(0) 推荐(0) 编辑