大模型偽裝「潛伏特工」學會！OpenAI勁敵重磅研究震驚馬斯克

AIGC動態歡迎閱讀

原標題：大模型偽裝「潛伏特工」學會！OpenAI勁敵重磅研究震驚馬斯克
關鍵字：模型,,行為,研究人員,漏洞
文章來源：新智元
內容字數：11077字

內容摘要：

新智元報道編輯：編輯部
【新智元導讀】最近，Anthropic的研究者發現：一旦我們教會LLM學會騙人，就很難糾正它了。它會在訓練過程中表現得「人畜無害」，隨后神不知鬼不覺地輸出惡意代碼！如果想要糾正它，它的行為只會更變本加厲。不要教LLM學會騙人！不要教LLM學會騙人！不要教LLM學會騙人！
因為后果可能會很嚴重，甚至超出人類的想象。
最近，AI初創公司Anthropic的研究表明，一旦LLM學會了人類教授的行為，它們就會在訓練和評估的過程中隱藏自己，并在使用時偷偷輸出惡意代碼、注入漏洞。
論文地址：https://arxiv.org/abs/2401.05566
而且，規模越大，LLM思考得就越全面。并且，在思維鏈的加持下，LLM還能隱藏得更深，更能麻痹人類。
更可怕的是，即便在后期進行安全訓練也很難消除。
甚至，這些試圖糾正模型的方法，還會讓它更加變本加厲。
這聽起來像科幻小說一樣的事，真的發生了。
Anthropic表示：我們已經盡了最大努力進行對齊訓練，但模型的行為，仍在繼續。
Anthropic在封面圖中，把LLM比作會佯裝的變色龍
此研究一出，馬斯克都在評論

原文鏈接：大模型偽裝「潛伏特工」學會！OpenAI勁敵重磅研究震驚馬斯克

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。