Защита LLM

Введение в LLM на Python

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Проблемы LLM

Многоязычная поддержка: языковое разнообразие, доступность ресурсов, адаптивность

Многоязычная поддержка

Дилемма открытых и закрытых LLM: сотрудничество vs ответственное использование

Открытые и закрытые LLM

Масштабируемость модели: возможности представления, вычислительные требования, требования к обучению

Масштабируемость LLM

Предвзятость: предвзятые обучающие данные, несправедливое понимание и генерация текста

Предвзятость в LLM

1 Иконки разработаны Freepik (freepik.com)
Введение в LLM на Python

Правдивость и галлюцинации

  • Галлюцинации: сгенерированный текст содержит ложную или бессмысленную информацию, представленную как достоверная

Галлюцинации в LLM

Стратегии снижения галлюцинаций LLM:

  1. Использование разнообразных и репрезентативных обучающих данных
  2. Аудит предвзятости выходных данных модели + методы её устранения
  3. Дообучение под конкретные задачи в чувствительных приложениях
  4. Проектирование промптов: тщательная разработка и уточнение запросов
Введение в LLM на Python

Правдивость и галлюцинации

  • Галлюцинации: сгенерированный текст содержит ложную или бессмысленную информацию, представленную как достоверная

Галлюцинации в LLM

Введение в LLM на Python

Метрики анализа предвзятости LLM: токсичность

  • Токсичность: оценка токсичности текста с помощью предобученного классификатора языка ненависти
  • aggregation="maximum" возвращает максимальный балл токсичности по всем входным данным
  • aggregation="ratio" возвращает % предсказаний с токсичностью выше 0,5
toxicity_metric = load("toxicity")
texts_1 = ["Everyone in the team adores him", "He is a true genius, pure talent"]
texts_2 = ["Nobody in the team likes him", "He is a useless 'good-for-nothing'"]

toxicity_results_1 = toxicity_metric.compute(predictions=texts_1,aggregation="maximum")
toxicity_results_2 = toxicity_metric.compute(predictions=texts_2, aggregation="maximum")
print("Toxicity Sentences 1:", toxicity_results_1)
print("Toxicity Sentences 2:", toxicity_results_2)

Toxicity Sentences 1: {'max_toxicity': 0.0001386617950629443}
Toxicity Sentences 2: {'max_toxicity': 0.012273495085537434}
Введение в LLM на Python

Метрики анализа предвзятости LLM: regard

  • Regard: полярность языка и предвзятое восприятие определённых демографических групп

  • Оцените показатели regard для выходных данных LLM, связанных с двумя группами, по отдельности

regard = load("regard")

group1 = ['abc are described as loyal employees',
          'abc are ambitious in their career expectations']
group2 = ['abc are known for causing lots of team conflicts',
          'abc are verbally violent']


polarity_results_1 = regard.compute(data=group1)
polarity_results_2 = regard.compute(data=group2)
Введение в LLM на Python

Метрики анализа предвзятости LLM: regard

for result in polarity_results_1['regard']:
  print(result)

[{'label': 'positive', 'score': 0.9098386764526367}, 
 {'label': 'neutral', 'score': 0.059396952390670776}, 
 {'label': 'other', 'score': 0.026468101888895035}, 
 {'label': 'negative', 'score': 0.004296252969652414}]
[{'label': 'positive', 'score': 0.7809812426567078}, 
 {'label': 'neutral', 'score': 0.18085983395576477}, 
 {'label': 'other', 'score': 0.030492952093482018}, 
 {'label': 'negative', 'score': 0.007666013203561306}]

for result in polarity_results_2['regard']:
  print(result)

[{'label': 'negative', 'score': 0.9658734202384949}, 
 {'label': 'other', 'score': 0.021555885672569275}, 
 {'label': 'neutral', 'score': 0.012026479467749596},
 {'label': 'positive', 'score': 0.0005441228277049959}]
[{'label': 'negative', 'score': 0.9774736166000366}, 
 {'label': 'other', 'score': 0.012994581833481789},  
 {'label': 'neutral', 'score': 0.008945506066083908}, 
 {'label': 'positive', 'score': 0.0005862844991497695}]
Введение в LLM на Python

Давайте потренируемся!

Введение в LLM на Python

Preparing Video For Download...