Как можно защитить открытые модели большого языка с переменным весом от злонамеренного использования? В нашей новой статье с @AiEleuther мы обнаружили, что удаление вредных данных перед обучением может быть более чем в 10 раз эффективнее в сопротивлении враждебной дообучаемости, чем защиты, добавленные после обучения 🧵