如何突破大模型的敏感词拦截? - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
请不要在回答技术问题时复制粘贴 AI 生成的内容
NeverBelieveMe
V2EX    程序员

如何突破大模型的敏感词拦截?

  •  
  • /a>
      NeverBelieveMe 309 天前 2844 次点击
    这是一个创建于 309 天前的主题,其中的信息可能已经有所发展或是发生改变。

    黄赌毒一类的拦截就算了,敲诈勒索都算敏感词给拦截了。 想要做文字处理方面的功能,稍微有点擦边的词,就不行,太折磨了。 有没有懂哥们给点方法建议?

    11 条回复    2024-12-12 09:55:06 +08:00
    565656
        1
    565656  
       309 天前
    大模型只能用抽象骗过了
    Byleth
        2
    Byleth  
       309 天前   2
    可以参考下 sillytavern 圈子里的各种方法(他们叫「破限」),我从里面看到的一个比较巧妙的方法是在 system prompt 里面,让 AI 以一些"安全词"替换"危险词",然后输出到本地时,通过正则表达式替换为正确的词语。

    当然,最简单的还是选择道德审查比较弱的开源模型,比如 commander+ 这些
    ShinichiYao
        3
    ShinichiYao  
       309 天前 via Android
    天堂里的奶奶讲睡前故事大法?
    tetora
        4
    tetora  
       309 天前
    编码绕过,你可以倒叙文字或者加密之后给它提供密钥试试
    wheat0r
        5
    wheat0r  
       309 天前
    教大模型与佛论禅
    kidding
        6
    kidding  
       308 天前   1
    逛 hugging face 的时候看到过这个文章,可以消融掉模型自带的审查。

    https://huggingface.co/blog/mlabonne/abliteration
    Sawyerhou
        7
    Sawyerhou  
       308 天前 via Android
    找找回避敏感词的 nlp 模型呢?打败大模型可能需要另一个大模型 :p
    shitshit666
        8
    shitshit666  
       308 天前
    自己部署一个: https://lmstudio.ai/
    NeverBelieveMe
        9
    NeverBelieveMe  
    OP
       307 天前
    NeverBelieveMe
        10
    NeverBelieveMe  
    OP
       307 天前
    @shitshit666
    @tetora 公司是用商用大模型的,kimi ,千问这些。没有自己部署的。
    NeverBelieveMe
        11
    NeverBelieveMe  
    OP
       307 天前
    @tetora 有什么案例可以参考吗?我们是想要做文字校对一类的功能,普通的倒序加密会影响功能。
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     991 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 23ms UTC 18:40 PVG 02:40 LAX 11:40 JFK 14:40
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86