BriefGPT - AI 论文速递
·
大型语言模型中学习和遗忘不安全示例
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
研究发现，微调大型语言模型（LLMs）存在安全风险，即使使用良性数据集进行微调也可能降低安全对齐性。当前的安全基础设施无法解决这些风险，需要进一步研究以加强对齐的LLMs的自定义微调的安全协议。
🎯
关键要点
- 微调大型语言模型（LLMs）存在安全风险。
- 即使使用良性数据集进行微调，也可能降低安全对齐性。
- 现有的安全对齐基础设施无法覆盖微调带来的安全风险。
- 红队研究发现，少量恶意训练样例即可危及LLMs的安全对齐性。
- 良性且常用的数据集也可能无意中降低LLMs的安全对齐性。
- 细调对齐的LLMs引入了新的安全风险。
- 需要进一步研究以加强对齐的LLMs的自定义微调的安全协议。
➡️
