في عالم [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) المتقدم، تبرز الحاجة إلى [حماية المعلومات](/tag/[حماية](/tag/حماية)-[المعلومات](/tag/المعلومات)) الحساسة كأحد أبرز التحديات، وخاصةً في [النماذج اللغوية](/tag/[النماذج](/tag/النماذج)-اللغوية) [المتعددة الوسائط](/tag/المتعددة-الوسائط) (Multimodal Large Language [Models](/tag/models) - [MLLMs](/tag/mllms)). تكمن المشكلة في أن هذه [النماذج](/tag/النماذج) قد تحتفظ بمعلومات [حساسة](/tag/حساسة) أثناء عملية التدريب، مما يجعل من الضروري وجود آلية فعّالة للتخلص من هذه [المعلومات](/tag/المعلومات) بطريقة موثوقة. تمثل [تقنية](/tag/تقنية) ASRU (نظام إعادة تأهيل [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي)) حلاً مبتكرًا يجمع بين [التحكم](/tag/التحكم) في [التعلم](/tag/التعلم) وإزالة [المعلومات](/tag/المعلومات) غير المرغوب فيها.
تتميز [تقنية](/tag/تقنية) ASRU بقدرتها على [قياس](/tag/قياس) فعالية إزالة [المعلومات](/tag/المعلومات) بناءً على جودة الإنتاج، وليس فقط على التغييرات الناتجة في المخرجات. فبينما تركز الأساليب التقليدية على عدم [دقة النتائج](/tag/[دقة](/tag/دقة)-النتائج) الناتجة، فإن ASRU تأخذ في الاعتبار جودة الردود التي تنتجها [النماذج](/tag/النماذج) بعد عملية "[التعلم](/tag/التعلم) الغير مرغوب فيه". يتضمن ذلك [تقنيات](/tag/تقنيات) مثل إعادة [توجيه التنشيط](/tag/[توجيه](/tag/توجيه)-التنشيط) (Activation Redirection) وتحديد حدود الرفض الدقيقة باستخدام [وظيفة مكافأة](/tag/وظيفة-[مكافأة](/tag/مكافأة)) مخصصة، مما يحقق توازنًا مثاليًا بين التخلص من [المعرفة](/tag/المعرفة) المستهدفة وسلاسة الاستخدام.
أظهرت [التجارب](/tag/التجارب) على [نموذج](/tag/نموذج) Qwen3-VL أن ASRU ساهمت في [تحسين](/tag/تحسين) فعالية [التعلم](/tag/التعلم) الغير مرغوب فيه بنسبة تصل إلى 24.6%، بالإضافة إلى زيادة جودة الإنتاج بمعدل 5.8 أضعاف. هذا التحسن تم تحقيقه باستخدام كمية صغيرة من [بيانات](/tag/بيانات) الإشراف المتبقية، مما يضمن الحفاظ على [أداء النموذج](/tag/[أداء](/tag/أداء)-النموذج) في الوقت نفسه.
بفضل هذه التطورات، يفتح ASRU آفاقًا جديدة لتعزيز [أمان](/tag/أمان) [المعلومات](/tag/المعلومات) وجودة الاستجابات في عالم [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي). فما رأيكم في هذه التطورات الثورية؟ شاركونا في [التعليقات](/tag/التعليقات)!
ASRU: إعادة تأهيل ذكاء النماذج اللغوية المتعددة الوسائط - خطوة ثورية نحو أمان المعلومات!
تقدم تقنية ASRU نظاماً مبتكراً للتحكم في عملية "التعلم الغير مرغوب فيه" للنماذج اللغوية المتعددة الوسائط. من خلال تحسين جودة الإنتاج، يتم تعزيز الكفاءة والأمان في النماذج الذكية.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
