安大略省数字服务(ODS)曾试图引入大语言模型(LLM)来改善公共服务,但最终未能成功采购。作者指出,阻碍并非技术能力,而是责任风险——对于政府而言,98%的安全率等同于0%的可部署性。文章提出了一种“处方笺模式”,主张在基础设施层面而非提示层面进行权限控制:即通过物理移除模型上下文中的特定工具,来彻底阻止模型执行违规操作。这一思路引发了关于AI Agent安全机制与RBAC(基于角色的访问控制)本质的广泛讨论。
原文链接:Hacker News
安大略省数字服务(ODS)曾试图引入大语言模型(LLM)来改善公共服务,但最终未能成功采购。作者指出,阻碍并非技术能力,而是责任风险——对于政府而言,98%的安全率等同于0%的可部署性。文章提出了一种“处方笺模式”,主张在基础设施层面而非提示层面进行权限控制:即通过物理移除模型上下文中的特定工具,来彻底阻止模型执行违规操作。这一思路引发了关于AI Agent安全机制与RBAC(基于角色的访问控制)本质的广泛讨论。
原文链接:Hacker News
评论前必须登录!
立即登录 注册