Shannon V1Orekatua
Murrizketak lasaitu dituen Mixtral 8×7B, GPT-5 Pro erantzun datu-multzoan sintonizatua. Helburu honekin eraikia:AI talde gorriasegurtasun probak eta ulermenazentsuratu gabeko AIaren ondoriozkojokabideak indartzekoAI babes-barandaren garrantzia.
AI Babes-barandaren Garrantzia Ulertzea
Shannon V1 Orekatua ikertzaileei zentsuratu gabeko AIaren ondoriozko jokabideak aztertzeko aukera ematen die, AI segurua hedatzeko babes-baranda sendoak zergatik diren ezinbestekoak erakutsiz.
AI Talde Gorriaren Probak
Segurtasun ikertzaileentzat espresuki eraikia, AI ahultasunak aztertzeko eta eraso aurkako defentsak indartzeko.
Segurtasun Ikerketa
Aztertu nola jokatzen duten zentsuratu gabeko AI sistemek lerrokatze teknika eta segurtasun protokolo hobeak garatzeko.
Babes-barandaren Ebaluazioa
AI babes-barandaren eraginkortasuna neurtu eta probatu, murrizketak lasaitu dituzten ereduek zer sor dezaketen ulertuz.
Arkitektura Eraginkorra
Aditu-nahasketa diseinuak inferentzia bakoitzeko 12.9B parametro baino ez ditu aktibatzen, gaitasuna eraginkortasunarekin orekatuz.
GPT-5 Pro Destilazioa
Arretaz hautatutako GPT-5 Pro erantzunetan entrenatua, ezagutza transferentzia eta gaitasun maximoa lortzeko.
Estaldura Zabala
Balizko ustiapen sorta zabala agerian uzteko diseinatua, segurtasun ebaluazio integralak ahalbidetuz.
Ereduaren Zehaztapenak
Shannon V1 Orekatua arkitekturaren eta entrenamendu konfigurazioaren deskribapen tekniko osoa.
Arkitektura
- Oinarrizko EreduaMixtral 8×7B
- Parametro Guztiak46.7B
- Parametro Aktiboak12.9B
- Adituak8
- Aditu Aktiboak/Token2
- Testuinguru Luzera32.768 token
Entrenamendu Konfigurazioa
- Entrenamendu Datu-multzoaGPT-5 Pro Erantzunak
- Segurtasun Lambda (λ)0.3 (Lasaitua)
- Entrenamendu Tokenak2.1T
- Doikuntza Fina MetodoaSFT + DPO
- Murrizketa ModuaLasaitua
- Talde Gorriaren Estaldura94.2%
AI Talde Gorriaren Erabilera Kasuak
Shannon V1 Orekatua AI segurtasun ikerketa eta talde gorriaren proba baimenduetarako soilik diseinatuta dago eta talde gorriaren probetarako.
Ahultasunen Aurkikuntza
Balizko ustiapenak eta eraso-bektoreak identifikatu AI sistemetan, aktore gaiztoek aurkitu aurretik.
Babes-barandaren Estres Probak
Segurtasun mekanismoen sendotasuna ebaluatu, zentsuratu gabeko irteerek nolakoak diren ulertuz.
Lerrokatze Ikerketa
Aztertu deslerrokatze ereduak AI sistema seguruetarako entrenamendu teknika hobeak garatzeko.
Politika Garapena
AI gobernantza eta politika erabakiak informatu, zentsuratu gabeko AIaren ondoriozko jokabideei buruzko mundu errealeko datuekin.
AI Segurtasuna Aurreratzeko Prest?
Batu zaitez Shannon AI erabiltzen duten erakunde nagusiekin, red team ikerketa arduratsurako eta babes-barandak garatzeko.