Как нейросети OpenAI, Anthropic и Google обращаются с данными пользователей
Условия обработки промптов и файлов в сервисах OpenAI, Anthropic и Google зависят от выбранного тарифа. На основе анализа пользовательских соглашений, инцидентов и исследований сформированы рекомендации для компаний по безопасной передаче информации в нейросети.
Читать в первоисточнике — Хабр ↗
Ещё в ленте
Ансамблевое прогнозирование с помощью моделей временных рядов IBM Granite
Представлены методы ансамблевого прогнозирования на базе моделей временных рядов линейки IBM Granite. Рассматриваемый подход позволяет применять модели семейства Granite для анализа и предсказания временных данных.
Анализ рисков и математических ограничений использования ИИ в судебной системе
Специалист по безопасности рассчитал риски внедрения систем распознавания лиц и алгоритма COMPAS в правосудие. Расчеты показали, что даже при уровне ошибок в 0,1% в мегаполисе система почти всегда будет указывать на невиновного. Также в материале рассмотрены реальные прецеденты ошибочных арестов и поведение языковых моделей на тестах.
Влияние выбора метода отсечки на доходность моделей кредитного скоринга
Эксперимент на открытых данных Home Credit показал, что модель с меньшим показателем AUC может приносить больше прибыли при стандартной отсечке по скору. Однако индивидуальная оценка каждого кредита с учетом суммы, срока и калиброванной вероятности дефолта устраняет этот разрыв и максимизирует доход обеих моделей.
Пять открытых ИИ-моделей в качестве локальной альтернативы ChatGPT и Claude
На фоне роста стоимости подписок, лимитов и блокировок коммерческих нейросетей растет интерес к локальным решениям. Рассмотрены пять открытых моделей, способных работать на GPU с объемом памяти от 8 до 32 ГБ. Эти системы позволяют развернуть ИИ на собственном оборудовании или арендованных серверах под различные задачи.