模和复杂性使得很

rochona22

大型语言模型(LLM) 本质上是不透明的。它们的规难完全理解其决策过程。事实上，由于这些模型计算的是概率而不是确定性，你可以向 LLM 提出 10 次相同的问题，并得到 10 个不同的答案。同时，根据 Prompt Engineering Institute 的说法，“公司将 LLM 视为商业机密，仅披露有关模型架构、训练数据和决策过程的有限信息。这种不透明性阻碍了对系统是否存在偏见、缺陷或道德问题的独立审计。”

无论如何，独立审计并不多。这是一种新做法，除了纽约 阿曼电报数据 市这样的例外情况外，没有任何地方、州或联邦当局强制执行。但您无需等待强制执行即可实施自己的透明度协议。以下是各个行业面临的一些人工智能透明度问题，以及如何解决这些问题的提示。

阅读有关透明且值得信赖的 AI 的更多信息

Atlas 推理引擎如何为 Agentforce 提供支持
AI代理设计
你的人工智能代理应该有多“人性化”？简而言之，不太

道德黑客实践在构建值得信赖的 AI 产品方面被证明是成功的
插图显示三个人围着一台大型计算机显示器，手里拿着工具。网络分析。