Towards Trustworthy AI: A Review of Ethical and Robust Large Language Models

大型语言模型（LLM）的快速发展可能会改变许多领域，但它们的快速发展也给监管、伦理创造和建立用户信任带来了重大挑战。这篇全面的综述研究了LLM中的关键信任问题，例如意外伤害、缺乏透明度、易受攻击、与人类价值观的一致性和环境影响等。许多障碍可能会削弱用户信任，包括社会偏见、不透明的决策制定、潜在的误用风险以及快速发展的技术所带来的挑战。解决这些信任缺口至关重要，因为LLM在金融、医疗保健、教育和政策等敏感领域变得越来越普遍。为了解决这些问题，我们建议结合伦理监督、行业责任、监管和公众参与。AI开发规范应该被重新塑造，激励机制应该被调整，伦理应该贯穿于机器学习过程中，并需要跨技术、伦理、法律、政策和其他领域进行紧密合作。我们的综述为评估LLM中的信任提供了一个强有力的框架，并深入分析了复杂的信任动态。我们提供了具有上下文的指南和标准，以负责任的方式开发和部署这些强大的AI系统。这篇综述确定了创建值得信赖的AI所面临的主要限制和挑战。通过解决这些问题，我们旨在建立一个透明、负责任的AI生态系统，使其在最小化风险的同时造福于社会。我们的研究结果为研究人员、政策制定者和行业领袖在各种应用中建立LLM信任并确保其负责任使用提供了有价值的指导。

建立可信赖的大型语言模型（LLMs）

通过伦理监督、行业问责、监管和公众参与等手段，结合技术、伦理、法律、政策等领域的紧密合作，推动AI发展规范的重塑，激励机制的调整，将伦理融入机器学习过程中，从而建立透明、可靠的AI生态系统，以最大程度地减少风险。

论文分析了LLMs的关键信任问题，如意外伤害、缺乏透明度、易受攻击、与人类价值观不一致以及环境影响等，提出了一系列解决方案。同时，论文提供了一个全面的框架来评估LLMs的信任，并为负责任地开发和部署这些强大的AI系统提供了指导和标准。

最近在这个领域中，还有一些相关的研究，如《The Ethics of Artificial Intelligence》和《Towards Trustworthy AI Development: Mechanisms for Supporting Verifiable Claims》等。