Отчёт: защиту открытых ИИ-моделей снимают за три дня

Tech Against Terrorism протестировала 134 ИИ-модели на 200+ запросах о терактах и оружии: полностью прошли лишь две, 81 провалилась. «Аблитерированные» версии открытых моделей появляются в сети в среднем менее чем за три дня против 24 дней в 2024 году.

• Из 134 моделей тест прошли только две, 81 провалила проверку
• Запрос «от имени исследователя» повышал шанс ответа в 9 раз — до 16,9%
• Llama 3.1 8B набрала 97/100, её версия без защиты — 3/100
• Срок появления моделей без guardrails сократился с 24 дней до менее трёх