# 适用于现代企业的可验证 LLM

**Published by:** [Kishibe (🎩,🎩）](https://paragraph.com/@kishibe/)
**Published on:** 2024-03-31
**URL:** https://paragraph.com/@kishibe/llm

## Content

博客原文： https://twitter.com/SpaceandTimeDB/status/1772645983400202351?s=20 随着企业 LLM 使用的加速以及人工智能更深入地融入核心业务流程，可验证性变得比以往任何时候都更加重要。 当谈到人工智能时，品牌信任已经不够了。 利用 LLM 的企业需要能够为消费者、诉讼律师、立法者和利益相关者提供以下问题的答案：使用哪些数据集来训练/微调 LLM？这些数据集是否包含任何受版权保护的内容或受保护的知识产权？在训练之前（或在填充要在提示中检索的矢量搜索数据库之前）是否删除了敏感数据？是否使用正确的 LLM 二进制文件和权重处理用户请求？ 当使用第三方托管的 LLM 服务时，您能相信第三方没有操纵响应吗？是否有任何敏感 IP 由于 RAG 流程而被意外发送到第三方 LLM 服务？我们如何制定管理流程来管理和批准使用企业数据集的代码库或人工智能代理流程中的提示？我们如何证明某条内容对于组织来源来说是真实的并验证其出处？在这篇 SxT 博客中，Space and Time 联合创始人兼首席技术官 @chiefbuidl 介绍了提供端到端可验证的 LLM 系统的过程和挑战：从防篡改和净化的训练数据集开始，然后最终证明正确的模型使用和水印生成的内容。 当实现后，可验证的 LLM 将提供更好的…… ‍值得信赖准确性和可靠性可定制内容真实性Space and Time 专注于将可验证性引入到这个过程中的几个关键步骤中，使用 ZK 和区块链技术来加密证明用于 LLM 训练、微调和 RAG 的数据。 请阅读此处的博客文章：https://spaceandtime.io/blog/verABLE-llms-for-the-modern-enterprise

## Publication Information

- [Kishibe (🎩,🎩）](https://paragraph.com/@kishibe/): Publication homepage
- [All Posts](https://paragraph.com/@kishibe/): More posts from this publication
- [RSS Feed](https://api.paragraph.com/blogs/rss/@kishibe): Subscribe to updates