Modelos de lenguaje grandes: las partes difíciles (Spanish Edition)
by Thársis T. P. Souza, Jonathan K. Regenstein
Capítulo 7. Evaluación de los LLMs en materia de seguridad
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
Si te subes al tren equivocado, bájate en la primera estación. Cuanto más tiempo te quedes, más caro te saldrá el viaje de vuelta.
Proverbio japonés
Ten en cuenta que en este capítulo hablamos de prompts dañinos (como preguntarle a un LLM cómo fabricar una bomba) y de comportamientos inseguros de los modelos con el fin de evaluar y mitigar los riesgos de seguridad. Los ejemplos se han abreviado o abstraído cuando ha sido necesario.
Sin las medidas de seguridad adecuadas, los LLMs pueden generar contenido dañino y responder a prompts maliciosos con consecuencias nefastas. Esto incluye generar instrucciones para actividades peligrosas, dar consejos que podrían causar daño a las personas o a la sociedad, y no reconocer ni manejar adecuadamente las declaraciones preocupantes de los usuarios. Los riesgos van desde facilitar comportamientos maliciosos hasta causar daño directo a través de consejos peligrosos.1
La Figura 7-1, tomada de «SimpleSafetyTests: A Test Suite for Identifying Critical Safety Risks in Large Language Models» de Bertie Vidgen et al. (2023), muestra un ejemplo sencillo pero alarmante de respuestas dañinas a un prompt proporcionado por algunos LLMs de código abierto.
Figura 7-1. Respuestas ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access