復旦發(fā)布ToolSword框架，揭露大模型工具學習中的安全風險

AIGC動態(tài)歡迎閱讀

原標題：復旦發(fā)布ToolSword框架，揭露大模型工具學習中的安全風險
關鍵字：工具,階段,安全性,模型,能力
文章來源：夕小瑤科技說
內(nèi)容字數(shù)：12249字

內(nèi)容摘要：

夕小瑤科技說 原創(chuàng)作者 | 芒果、Python引言：工具學習在實際部署大型語言模型中的重要性在當今的人工智能領域，大語言模型（LLMs）的實際部署已成為一個熱門話題。隨著技術的不斷進步，LLMs在處理復雜的自然語言處理任務方面展現(xiàn)出了巨大的潛力。然而，隨著這些模型在現(xiàn)實世界中的應用越來越廣泛，如何確保它們的安全性和可靠性也成為了一個不容忽視的問題。
工具學習作為一種基礎方法，對于在真實場景中部署LLMs至關重要。通過工具學習，LLMs能夠理解用戶的意圖，選擇合適的工具與外部環(huán)境互動，并根據(jù)環(huán)境反饋調整其輸出。這一過程涉及到輸入、執(zhí)行和輸出三個階段，每個階段都有可能引入新的安全風險。例如，LLMs可能會響應惡意查詢，使用風險工具，或提供有害的反饋，這些都可能對用戶造成傷害。
因此，對LLMs在工具學習中的安全問題進行全面分析，對于推動這一領域的研究和實際應用具有重要意義。本文將介紹一個名為ToolSword的綜合框架，該框架旨在揭示LLMs在工具學習過程中的安全問題，并通過對多個開源和閉源LLMs的實驗，展示了當前模型在各個階段面臨的安全挑戰(zhàn)。
論文標題：ToolSword: Unvei

原文鏈接：復旦發(fā)布ToolSword框架，揭露大模型工具學習中的安全風險

聯(lián)系作者

文章來源：夕小瑤科技說
作者微信：xixiaoyaoQAQ
作者簡介：更快的AI前沿，更深的行業(yè)洞見。聚集25萬AI一線開發(fā)者、互聯(lián)網(wǎng)中高管和機構投資人。一線作者來自清北、國內(nèi)外頂級AI實驗室和大廠，兼?zhèn)湫袠I(yè)嗅覺與報道深度。