本文件规定了生成式人工智能预训练和优化训练数据及其处理活动的安全要求,描述了对应的评 价方法。 本文件适用于指导生成式人工智能服务提供者开展预训练和优化训练数据处理活动以及开展与训 练预训练和优化训练数据安全自评价,也可为监管评估提供参考。

本标准规定了生成式人工智能在预训练和优化训练过程中,对所使用数据的通用安全要求、数据处理方面的安全要求,以及评价方法,适用于面向我国境内公众提供生成式人工智能服务的组织或个人提高预训练及优化训练数据获取与准备的安全水平,可也为生成式人工智能的数据提供者提供参考。

成为VIP会员查看完整内容
27

相关内容

生成式人工智能是利用复杂的算法、模型和规则,从大规模数据集中学习,以创造新的原创内容的人工智能技术。这项技术能够创造文本、图片、声音、视频和代码等多种类型的内容,全面超越了传统软件的数据处理和分析能力。2022年末,OpenAI推出的ChatGPT标志着这一技术在文本生成领域取得了显著进展,2023年被称为生成式人工智能的突破之年。这项技术从单一的语言生成逐步向多模态、具身化快速发展。在图像生成方面,生成系统在解释提示和生成逼真输出方面取得了显著的进步。同时,视频和音频的生成技术也在迅速发展,这为虚拟现实和元宇宙的实现提供了新的途径。生成式人工智能技术在各行业、各领域都具有广泛的应用前景。
生成式人工智能数据标注安全规范
专知会员服务
28+阅读 · 4月10日
面向多智能体博弈对抗的对手建模框架
专知会员服务
142+阅读 · 2022年9月28日
《绿色数据中心评价规范》国家标准意见稿
专知会员服务
32+阅读 · 2022年9月21日
《信息安全技术大数据服务安全能力要求》国家标准
专知会员服务
33+阅读 · 2022年8月30日
《信息安全技术边缘计算安全技术要求》国家标准意见稿
《人工智能芯片基准测试评估方法》行业标准
专知会员服务
75+阅读 · 2022年2月20日
事件知识图谱构建技术与应用综述
专知
22+阅读 · 2020年8月6日
深度学习超参数搜索实用指南
云栖社区
28+阅读 · 2018年10月14日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
深度学习目标检测概览
AI研习社
46+阅读 · 2017年10月13日
从浅层模型到深度模型:概览机器学习优化算法
机器之心
23+阅读 · 2017年7月9日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
17+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Arxiv
131+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
326+阅读 · 2023年3月31日
Arxiv
53+阅读 · 2023年3月26日
Arxiv
15+阅读 · 2023年3月17日
VIP会员
相关VIP内容
生成式人工智能数据标注安全规范
专知会员服务
28+阅读 · 4月10日
面向多智能体博弈对抗的对手建模框架
专知会员服务
142+阅读 · 2022年9月28日
《绿色数据中心评价规范》国家标准意见稿
专知会员服务
32+阅读 · 2022年9月21日
《信息安全技术大数据服务安全能力要求》国家标准
专知会员服务
33+阅读 · 2022年8月30日
《信息安全技术边缘计算安全技术要求》国家标准意见稿
《人工智能芯片基准测试评估方法》行业标准
专知会员服务
75+阅读 · 2022年2月20日
相关资讯
相关基金
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
17+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员