什麼時候該信任 LLM
Large Language Models for Business
Iason Prassides
Content Developer, DataCamp
善用 Duolingo
Duolingo Max
使用 ChatGPT 進行近似真人的對話
1
https://blog.duolingo.com/duolingo-max/
善用 Duolingo
Duolingo Max
使用 ChatGPT 進行近似真人的對話
學習者練習語言
GPT 扮演不同人設
提供即時回饋
1
https://blog.duolingo.com/duolingo-max/
理解 LLM
企業領導者須真正理解 LLM
LLM 不是魔法!
多半只是預測序列的下一部分
它不會像人類那樣理解語言
LLM 有常識嗎?
LLM 沒有「真實」概念
缺乏常識
每種情境都需人類監督
只依賴 LLM 可能帶來負面後果
訓練中的監督
LLM 依賴其訓練資料
偏見或社會不公可能被放大
檢查回應以辨識有害輸出
是否存在偏見?
若用仇恨言論訓練 LLM
回應也可能帶有仇恨
資料集含偏見
會造成系統性輸出偏誤的 LLM
可能延續偏見、刻板印象或錯誤資訊
開發者已加入防範措施
企業須了解並設置防護機制
彈性與其影響
相同提示 → 不同回應
創作有益,其餘情境可能出問題
行銷團隊用 LLM 撰寫產品描述:
客戶會看到不同描述
品牌形象可能受損
安全警示!
LLM 複雜但仍可能被欺騙
攻擊者可在網站嵌入惡意提示
扭曲 LLM 的輸出
稱為
prompt injection
可能導致信譽受損
LLM 的挑戰
許多挑戰具產業特性
Open Worldwide Application Security Project(OWASP)
量化這些挑戰
企業需了解相關風險
必須理解 LLM 的複雜細節
確保有人類監督
投資訓練與資安
1
https://owasp.org/
一起來練習吧!
Large Language Models for Business
Preparing Video For Download...