【HKUST博士论文】增强大型语言模型的可信度：隐私与安全的视角

文章预览

Transformer 模型的崛起显著推动了机器学习模型的发展。大规模语言模型（LLMs）通过对海量数据进行训练，并依托强大的计算资源，统一了传统的自然语言处理（NLP）范式，能够通过将多种下游任务整合到生成工作流中，来有效处理这些任务。在现实世界的影响方面，LLMs 已经彻底改变了研究人员、开发人员和用户的可访问性和可用性。此外，LLMs 极大地降低了人工智能的应用门槛，为应用程序和用户提供了预训练的语言理解与指令跟随能力。因此，强大的 LLMs 为各个领域带来了新的可能性，包括智能体、智能助手、聊天机器人和搜索引擎。然而，这些模型的广泛可用性和可访问性也带来了潜在的风险，包括恶意使用和隐私问题。使 LLMs 具有价值的自由生成工作流也可能被滥用，从而危及隐私或用于有害目的。尽管已经做出了大量努力以提升 LLMs 的 ………………………………