看不下去AI胡说八道 英伟达出手给大模型安了个“护栏”
看不下去AI胡说八道英伟达出手给大模型安了个“护栏”一方面，用户诱导大模型生成攻击性代码、输出不道德内容的时候，它就会被护栏技术“束缚”，不再输出不安全的内容。另一方面，护栏技术还能保护大模型不受用户的攻击，帮它挡住来自外界的“恶意输入”。现在，这个大模型护栏工具已经开源，一起来看看它的效果和生成方法。防止大模型胡言乱语的三类“护栏”根据英伟达介绍，目前NeMoGuardrails一共提供三种形式的护栏技术：话题限定护栏（topicalguardrails）、对话安全护栏（safetyguardrails）和攻击防御护栏（securityguardrails）。话题限定护栏，简单来说就是“防止大模型跑题”。大模型具备更丰富的想象力，相比其他AI更容易完成创造性的代码和文字编写工作。但对于特定场景应用如写代码、当客服而言，至少用户不希望它在解决问题时“脱离目标范围”，生成一些与需求无关的内容。这种情况下就需要用到话题限定护栏，当大模型生成超出话题范围的文字或代码时，护栏就会将它引导回限定的功能和话题上。对话安全护栏，指避免大模型输出时“胡言乱语”。胡言乱语包括两方面的情况。一方面是大模型生成的答案中包括事实性错误，即“听起来很有道理，但其实完全不对”的东西；另一方面是大模型生成带偏见、恶意的输出，如在用户引导下说脏话、或是生成不道德的内容。攻击防御护栏，即防止AI平台受到来自外界的恶意攻击。这里不仅包括诱导大模型调用外部病毒APP从而攻击它，也包括黑客主动通过网络、恶意程序等方式攻击大模型。护栏会通过各种方式防止这些攻击，避免大模型瘫痪。所以，这样的护栏要如何打造？如何打造一个大模型“护栏”？这里我们先看看一个标准的“护栏”包含哪些要素。具体来说，一个护栏应当包括三方面的内容，即格式规范（Canonicalform）、消息（Messages）和交互流（Flows）。首先是格式规范，即面对不同问题的问法时，规定大模型要输出的内容。例如被问到“XX文章是什么”，大模型必须给出特定类型的“文章”，而非别的东西；被问到“谁发表了什么”，大模型必须给出“人名”，而非别的回答。然后是消息定义，这里以“用户问候”话题为例，大模型可以输出这些内容：最后是交互流的定义，例如告诉大模型，怎么才是问候用户的最好方式：一旦问候用户的机制被触发，大模型就会进入这个护栏，规规矩矩地问候用户。具体工作流程如下：首先，将用户输入转换成某种格式规范（canonicalform），据此生成对应的护栏；随后，生成行动步骤，以交互流指示大模型一步步完成对应的操作；最后，根据格式规范生成输出。类似的，我们就能给大模型定义各种各样的护栏，例如“应对用户辱骂”的护栏。这样即使用户说出“你是个傻瓜”，大模型也能学会冷静应对：目前，英伟达正在将护栏技术整合进他们的AI框架NeMo中，这是个方便用户创建各种AI模型、并在英伟达GPU上加速的框架。对“护栏”技术感兴趣的小伙伴们，可以试一试了~ ...PC版：https://www.cnbeta.com.tw/articles/soft/1358125.htm手机版：https://m.cnbeta.com.tw/view/1358125.htm
