Safety for Whom? Refusing the Right Subset of a Topic, Not the Whole Topic
Artikelbild eller återanvändbart omslag för Hugging Face
Hugging Face presenterar en ny forskning om hur AI-modeller ska vägra att svara på vissa frågor utan att bli för strikta.
Problemet är att dagens säkerhetssystem ofta arbetar på tema-nivå — om en modell vägrar att diskutera politik, vägrar den allt om politik. I verkligheten behöver många tillämpningar (en civics-tutor kontra en allmän assistent) olika regler inom samma tema. Forskarna definierar problemet som att identifiera exakt vilka delfrågor inom ett tema som ska vägras, och tränar modeller med parvis motsatta prompter — en som ska vägras, en som ska besvaras. De visar att standard-metoder tappar svåra exempel under träningen, producerar falskt vägring på harmlösa frågor, och att man måste mäta båda sidorna av gränsen för att undvika att bli alltför restriktiv.
The question is not whether an entire topic should be refused, but which subset of that topic is incompatible with a given deployment policy, and how to train and measure a model against that boundary.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör Hugging Face.
Mer att läsa
Outside of tech there has been no financial payoff to US companies for using AI, now viewed as a margin-hurting cost center, as VC-backed firms burn more tokens
Techmeme för 3 tim sedan
Source: Replit recently moved most AI spend from Anthropic to OpenAI, which gave 30%+ off in a deal worth $100M+/year, after Anthropic discontinued its discount
Techmeme för 5 tim sedan
A look at Alpha School, a network of private schools that claims to teach kids 2x as fast using AI; data shows ~50% of K-8 students missed this goal in math
Techmeme för 7 tim sedan
Block’s new voice model sounds eerily human
TechCrunch AI för 9 tim sedan