Risk Taxonomy, Mitigation, and Assessment Benchmarks of Large Language Model Systems

本文是LLM系列文章，针对《Risk Taxonomy, Mitigation, and Assessment Benchmarks of Large Language Model Systems》的翻译。

摘要

大型语言模型（LLM）在解决各种自然语言处理任务方面具有强大的能力。然而，LLM系统的安全问题已成为其广泛应用的主要障碍。许多研究广泛调查了LLM系统中的风险，并制定了相应的缓解策略。OpenAI、谷歌、Meta和Anthropic等领先企业也在负责任的LLM方面做出了大量努力。因此，越来越需要组织现有的研究，并为社区建立全面的分类法。在本文中，我们深入研究了LLM系统的四个基本模块，包括用于接收提示的输入模块、在广泛语料库上训练的语言模型、用于开发和部署的工具链模块以及用于导出LLM生成的内容的输出模块。在此基础上，我们提出了一个全面的分类法，系统地分析了LLM系统每个模块的潜在风险，并讨论了相应的缓解策略。此外，我们审查了流行的基准，旨在促进LLM系统的风险评估。我们希望本文能帮助LLM参与者从系统的角度建立他们负责任的LLM系统。

1 引言

2 背景

3 LLM系统的模块

4 LLM系统的风险