Հետ
Արհեստական բանականություն և մեքենայական ուսուցում

Ես ստեղծեցի AI գործակալ, որը կարող էր կանչել API-ներ, իսկ հետո սովորեցրի նրան, թե երբ դա չանել

Dev.to
Advertisement468 × 90
Ես ստեղծեցի AI գործակալ, որը կարող էր կանչել API-ներ, իսկ հետո սովորեցրի նրան, թե երբ դա չանել

API կանչեր կատարելու ունակ AI գործակալ ստեղծելը հեշտ է, սակայն դրա անվտանգ աշխատանքն ապահովելը բարդ ինժեներական խնդիր է։ Հեղինակը մանրամասնում է իր փորձը՝ ստեղծելով թույլտվությունների շերտ, որը կանխում է AI-ի կողմից չարտոնված գործողությունները։ Գործիքների ընտրությունը լիազորումից տարանջատելով՝ համակարգը մոդելի արդյունքը դիտարկում է որպես հարցում, այլ ոչ թե հրաման։ Այս ճարտարապետությունը ներառում է դետերմինիստական շարժիչ, որը ստուգում է գործիքների անունները, արգումենտները և ռեսուրսների հասանելիությունը նախքան կատարումը։ Հեղինակը շեշտում է, որ միայն համակարգային հրահանգների վրա հույս դնելը բավարար չէ՝ հաշվի առնելով LLM-ների հավանականային բնույթը և prompt injection-ի նման ռիսկերը։ Փոխարենը, նա առաջարկում է կոդի վրա հիմնված վավերացում, աուդիտ և մարդու կողմից հաստատման անհրաժեշտություն զգայուն գործողությունների համար՝ AI գործակալներին դիտարկելով որպես ապահով բաշխված համակարգի մաս։

This is a summary. Read the full article at the original source:

Dev.to
Advertisement468 × 90
Share
Արհեստական բանականություն և մեքենայական ուսուցում

Կապակցված

Հոդվածի հեղինակը վերլուծում է մեծ լեզվական մոդելների (LLM) հալյուցինացիաների խնդիրը շախմատ խաղալիս: Չնայած տեքստ գեներացնելու ունակությանը, մոդելները…

Habr

Ծրագրավորողը վերջերս փորձարկել է ինքնավար AI-ի սահմանները՝ հանձնարարելով գործակալին եկամուտ ստեղծել $0.00-ից՝ սահմանափակվելով երեք փորձով և խիստ իրավա…

Dev.to

Քանի որ AI համակարգերը դետերմինիստական կոդից անցնում են հավանականային մոդելների և ինքնավար գործակալների, ավանդական փաստաթղթերը, ինչպիսիք են README-ներ…

Dev.to
Advertisement970 × 250