Opis projektu
Interpretacja i kontrola dużych modeli językowych
Duże modele językowe szybko stały się podstawą większości rozwiązań opartych na sztucznej inteligencji i pozwoliły na prawdziwy przełom w realizacji różnych zadań. Korzyści te nierozerwalnie wiążą się jednak z problemami, ponieważ rozwiązania sztucznej inteligencji często powielają problemy modeli językowych, w tym stronniczość, konfabulacje, błędne rozumowanie i nieaktualne informacje. Problemy te stają się coraz trudniejsze do rozwiązania ze względu na brak wglądu w mechanizmy działania modeli. Zespół finansowanego ze środków Europejskiej Rady ds. Badań Naukowych projektu Control-LM opracuje ramy, które pozwolą rozwiązać problem braku przejrzystości, wyjaśnić wewnętrzne mechanizmy działania modeli językowych i opracować bezpieczniejsze systemy umożliwiające interpretację modeli oraz sterowanie ich działaniem.
Cel
Large language models (LMs) are quickly becoming the backbone of many artificial intelligence (AI) systems, achieving state-of-the-art results in many tasks and application domains. Despite the rapid progress in the field, AI systems suffer from multiple flaws inherited from the underlying LMs: biased behavior, out-of-date information, confabulations, flawed reasoning, and more.
If we wish to control these systems, we must first understand how they work, and develop mechanisms to intervene, update, and repair them. However, the black-box nature of LMs makes them largely inaccessible to such interventions. In this proposal, our overarching goal is to:
*Develop a framework for elucidating the internal mechanisms in LMs and for controlling their behavior in an efficient, interpretable, and safe manner.*
To achieve this goal, we will work through four objectives. First, we will dissect the internal mechanisms of information storage and recall in LMs, and develop ways to update and repair such information.
Second, we will illuminate the mechanisms of higher-level capabilities of LMS to perform reasoning and simulations. We will also repair problems stemming from alignment steps. Third, we will investigate how training processes of LMs affect their emergent mechanisms and develop methods for fine-grained control over the training process. Finally, we will establish a standard benchmark for mechanistic interpretability of LMs to consolidate disparate efforts in the community.
Taken as a whole, we expect the proposed research to empower different stakeholders and ensure a safe, beneficial, and responsible adoption of LMs in AI technologies by our society.
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
32000 Haifa
Izrael