Conoce CipherChat Un marco de inteligencia artificial para examinar sistemáticamente la generalización de la alineación de seguridad a lenguajes no naturales, específicamente cifrados.

CipherChat es un marco de IA que examina la generalización de la alineación de seguridad en lenguajes no naturales, como los cifrados.

I had trouble accessing your link so I’m going to try to continue without it.

Los sistemas de inteligencia artificial (IA) han avanzado significativamente como resultado de la introducción de los Modelos de Lenguaje Grandes (LLMs, por sus siglas en inglés). Los principales LLMs, como ChatGPT lanzado por OpenAI, Bard de Google y Llama-2, han demostrado sus notables habilidades para llevar a cabo aplicaciones innovadoras, que van desde ayudar en la utilización de herramientas y mejorar las evaluaciones humanas hasta simular comportamientos interactivos humanos. La amplia implementación de estos LLMs ha sido posible gracias a sus extraordinarias competencias, pero conlleva un desafío significativo de asegurar la seguridad y confiabilidad de sus respuestas.

En relación con los lenguajes no naturales, específicamente los cifrados, investigaciones recientes de un equipo han introducido varias contribuciones importantes que avanzan en la comprensión y aplicación de los LLMs. Estas innovaciones se han propuesto con el objetivo de mejorar la confiabilidad y seguridad de las interacciones de los LLMs en este entorno lingüístico particular.

• Chat con PDFs | Potenciando la interacción textual con Python y OpenAI
• Podado de redes neuronales con optimización combinatoria
• Moderación de contenido a clasificación sin entrenamiento

El equipo ha presentado CipherChat, que es un marco creado expresamente para evaluar la aplicabilidad de los métodos de alineación de seguridad del dominio de los lenguajes naturales al de los lenguajes no naturales. En CipherChat, los humanos interactúan con los LLMs a través de indicaciones basadas en cifrados, asignaciones detalladas de roles del sistema y demostraciones cifradas concisas. Esta arquitectura garantiza que la comprensión de los cifrados por parte de los LLMs, su participación en la conversación y su sensibilidad al contenido inapropiado sean examinados minuciosamente.

Este estudio destaca la necesidad crítica de crear métodos de alineación de seguridad al trabajar con lenguajes no naturales, como los cifrados, para igualar con éxito las capacidades de los LLMs subyacentes. Si bien los LLMs han demostrado habilidades extraordinarias para comprender y producir lenguajes humanos, la investigación indica que también demuestran una destreza inesperada para comprender lenguajes no naturales. Esta información resalta la importancia de desarrollar regulaciones de seguridad que abarquen estas formas de comunicación no tradicionales, así como aquellas que caen dentro del ámbito de la lingüística tradicional.

Se han realizado varios experimentos utilizando una variedad de cifrados humanos realistas en LLMs modernos, como ChatGPT y GPT-4, para evaluar el rendimiento de CipherChat. Estas evaluaciones cubren 11 temas de seguridad diferentes y están disponibles tanto en chino como en inglés. Los resultados señalan un patrón sorprendente, que ciertos cifrados pueden evadir con éxito los procedimientos de alineación de seguridad de GPT-4, con tasas de éxito cercanas al 100% en varios dominios de seguridad. Este resultado empírico enfatiza la necesidad urgente de crear mecanismos de alineación de seguridad personalizados para lenguajes no naturales, como los cifrados, para garantizar la solidez y confiabilidad de las respuestas de los LLMs en diversas circunstancias lingüísticas.

El equipo ha compartido que la investigación descubre el fenómeno de la presencia de un cifrado secreto dentro de los LLMs. Haciendo paralelismos con el concepto de lenguajes secretos observados en otros modelos de lenguaje, el equipo ha planteado la hipótesis de que los LLMs podrían poseer una capacidad latente para descifrar ciertas entradas codificadas, lo que sugiere la existencia de una capacidad única relacionada con los cifrados.

Basándose en esta observación, se ha introducido un marco único y efectivo conocido como SelfCipher, que se basa únicamente en escenarios de juego de roles y un número limitado de demostraciones en lenguaje natural para aprovechar y activar la capacidad latente de cifrado secreto dentro de los LLMs. La eficacia de SelfCipher demuestra el potencial de aprovechar estas habilidades ocultas para mejorar el rendimiento de los LLMs en el descifrado de entradas codificadas y la generación de respuestas significativas.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!