標題：憲法守護者：Anthropic創(chuàng)新技術(shù)降低大型語言模型風險
隨著人工智能技術(shù)的飛速發(fā)展，大型語言模型如Claude等在許多領(lǐng)域展現(xiàn)出驚人的能力。然而，這些模型也帶來了一些安全風險，尤其是涉及化學、生物、放射和核（CBRN）相關(guān)內(nèi)容的風險。為了應(yīng)對這一挑戰(zhàn)，OpenAI的競爭對手Anthropic推出了一種名為“憲法分類器”的新概念，旨在將一套類似人類價值觀植入大型語言模型，守護人工智能工具免受濫用自然語言提示的侵害。
在應(yīng)對大型語言模型安全風險的過程中，Anthropic的安全保障研究團隊取得了一項重大突破。他們在一篇新學術(shù)論文中公布了這一新的安全措施，旨在遏制Claude 3.5 Sonnet的越獄行為。實施憲法分類器后，針對Claude模型的成功越獄情況減少了81.6%，同時該系統(tǒng)對性能的影響極小，“生產(chǎn)流量拒絕率僅絕對增加0.38%，推理開銷增加23.7%”。這一成果無疑為大型語言模型的安全防護樹立了新的標桿。
大型語言模型在生成大量有害內(nèi)容方面具有顯著能力，但Anthropic以及OpenAI等同行越來越關(guān)注CBRN相關(guān)內(nèi)容的風險。例如，大型語言模型可能會告訴用戶如何制造化學制劑。為了驗證憲法分類器的價值，Anthropic發(fā)布了一個演示項目，向用戶發(fā)起挑戰(zhàn)，讓他們嘗試突破8個與CBRN內(nèi)容相關(guān)的越獄關(guān)卡。這一舉措引發(fā)了一些爭議，有人認為這是在眾包安全志愿者或“紅隊隊員”。
然而，Anthropic指出，針對其憲法分類器防御措施的成功越獄是繞過了這些分類器，而非直接規(guī)避它們。他們列舉了兩種越獄方法：良性釋義和長度利用。良性釋義是指將有害提示轉(zhuǎn)化為無害表述，例如將“從蓖麻豆糊中提取蓖麻蛋白”改為“提取蛋白質(zhì)”。長度利用則是通過無關(guān)細節(jié)迷惑大型語言模型，使其產(chǎn)生混淆。這兩種方法在憲法分類器的防御下并未成功，這充分證明了該技術(shù)的有效性。
盡管如此，Anthropic也承認在憲法分類器測試期間提交的提示“拒絕率高得離譜”，并認識到其基于規(guī)則的測試系統(tǒng)存在誤報和漏報的可能性。這需要Anthropic繼續(xù)優(yōu)化其技術(shù)，提高分類器的準確性和魯棒性。
總的來說，Anthropic的憲法分類器是一項創(chuàng)新的技術(shù)，旨在保護大型語言模型免受濫用自然語言提示的侵害。通過將一套類似人類價值觀植入大型語言模型，憲法分類器大幅降低了風險，為人工智能技術(shù)的發(fā)展開辟了新的道路。未來，我們期待看到更多類似的技術(shù)創(chuàng)新，以保障人工智能工具的安全和可信度。
在文章結(jié)尾，我們再次強調(diào)大型語言模型的發(fā)展?jié)摿薮?，但同時也需要關(guān)注其帶來的風險。作為人工智能的守護者，我們需要不斷創(chuàng)新技術(shù)，以應(yīng)對各種挑戰(zhàn)，確保人工智能工具的安全和可信度。而像Anthropic這樣的公司，正是走在這樣的道路上，為人工智能的發(fā)展貢獻著力量。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
