Salva Guido, Il 29 Aprile 2023 05:09:03 UTC, Guido Vetere <[email protected]> ha scritto: > >Poi viene la parte tecnicamente sfidante: c'è da fare 'prompt engineering' >per evidenziare le possibili 'menzioni' del soggetto > >*Please provide any relevant prompts that resulted in the model mentioning >the data subject. To be able to properly address your requests, we need >clear evidence that the model has knowledge of the data subject conditioned >on the prompts.* > >Insomma*,* la vedo dura, però credo che più di questo non potessero fare
Puoi elaborare? Tecnicamente hanno innumerevoli metodi per risolvere il problema in modo efficace e definitivo. Il più semplice consiste nel ripetere la programmazione statistica (il "training") senza i dati del soggetto. Perché si dovrebbe pretendere qualcosa di meno efficace? >(giova ancora ripeterlo: un LLM non è un database) E giova ripetere che un LLM viene programmato a partire da un enorme database. Si può tranquillamente rimuovere i dati relativi al richiedente da quel database: è solo costoso. Poi per ulteriore sicurezza si può mettere un filtro a valle che impedisce al software di inviare dati del richiedente in output. Giacomo _______________________________________________ nexa mailing list [email protected] https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa
