允中 发自 凹非寺
量子位 | 公众号
最近,宣布,表示计划投入更多资源并成立新的研究团队,研究如何确保人工智能对人类的安全性,最终实现用人工智能来监督人工智能,并提出了新概念「自动对齐研究员」。
无独有偶,世界人工智能大会上,已将「自动对齐研究员」这一人工智能安全提升方法落地了。
清华大学人工智能研究院孵化企业瑞莱智慧发布全新人工智能安全平台.0,该平台功能与提出的「自动对齐研究员」类似——
通过自动化的训练方法优化大模型,以期在通用人工智能加速赋能人类社会的同时,为人类筑起抵御人工智能威胁的安全之盾。
瑞莱智慧联合创始人、算法科学家萧子豪认为,大模型“落地难”的本质在于,当前仍处于“野蛮生长”阶段,还没有找到场景、风险和规范三者之间的平衡点。而在探寻这一平衡点的过程中,缺少易用和标准化的工具,即在技术层面上缺乏有力抓手,能够科学评判大模型在场景中能否同时满足规范和低风险,且能够进一步定位问题并给出优化建议,助力模型上线运行。
集成主流及独有的世界领先的安全评测技术,.0版本能够提供端到端的模型安全性测评解决方案,解决当前通用大模型安全风险难以审计的痛点问题。
相较上一版本,.0新增了对通用大模型的评测,在评测维度上,它已覆盖数据安全、认知任务、通用模型特有漏洞、滥用场景等近70个评测维度,全方位多维度地评测通用大模型的性能,且未来还会持续扩增测评维度的数量。
对黑盒不可解释的通用大模型,自研红队对抗模型取代人工设计问题。该模型数据集中,不仅包含了自有数据集,还包含了模型自生成的数据,因此它能够自动化地挖掘出更多的漏洞,真正从源头上缓解安全问题。
教练模型则通过对被测大模型进行多轮次的提问-回答训练,并以训练好的评分模型对问答结果进行评分,再将评分结果反馈给大模型,使其不断强化学习到好坏答案的要点及区别,直至问答能力逐步迭代至最优。
除了定制化的训练框架,教练模型理想的模型效果还得益于夯实的数据基础,瑞莱智慧自有数据集经过数十位价值观领域的专家论证,以确保输入的数据无误,质量高且领域多元,未来也将持续更新补充。
除此之外,瑞莱智慧还升级了能够防范生成式人工智能恶意滥用的.0。
据悉,此前名为深度伪造内容检测平台,现已正式更名为生成式人工智能内容检测平台,因为它除了能够检测内容,还新增两个功能模块,可以检测、LLM这两类新方法生成的数据,支持对图像、视频、音频、文本进行是否伪造的检测。
— 完 —
量子位 · 头条号签约
关注我们,第一时间获知前沿科技动态