向大语言模型发送PII数据
摘要
讨论向大语言模型发送个人身份信息(PII)的风险和注意事项。
暂无内容
相似文章
评估大语言模型中个性化的隐藏成本
本文介绍了PRISK,一个用于评估LLM个性化风险的框架,发现个性化上下文在13个模型中增加了不相关个性化、偏好狭窄和谄媚偏见。
大语言模型中的预训练数据暴露:成员推理、数据污染及安全影响综述
统一综述大语言模型中的预训练数据暴露(PDE),涵盖成员推理、数据污染和安全影响,并回顾了攻击与防御方法。
向您的LLM提问
本文讨论了如何有效地查询或与大型语言模型(LLMs)进行交互,以应用于各种场景。
Meddies-PII: 一个多语言框架,用于临床去标识化中个人可识别信息的提取
本文介绍了Meddies-PII,这是一个用于生成多语言合成临床数据集的框架,以训练个人可识别信息提取模型,并在基准测试中实现了最先进的性能。
@pallavishekhar_: https://x.com/pallavishekhar_/status/2058460434035060758
解释大型语言模型实际所做的工作(下一个Token预测),以及为什么即使出错时它们听起来也很有信心。提供了一种心智模型和验证检查清单,用于安全使用LLM。