Analiza ranljivosti in varnostni vidiki zastrupljanja podatkov pri učenju velikih jezikovnih modelovDimkovska, Vanja (Avtor) Karakatič, Sašo (Mentor) veliki jezikovni modelizastrupljanje podatkovvarnost umetne inteligencekakovost odgovorovmedicinski podatkiPredmet magistrske naloge je analiza ranljivosti velikih jezikovnih modelov ob zastrupljanju podatkov v fazi učenja. Delo se osredotoča na preučevanje, kako različni deleži in vrste zastrupljenih podatkov vplivajo na kakovost odgovorov modelov, pri čemer je poudarek na ciljnem in tematsko nepovezanem zastrupljanju. Raziskava temelji na eksperimentalnem pristopu z uporabo medicinskih učnih nizov ter vključuje analizo sprememb v vedenju modelov pri različnih scenarijih zastrupljanja.[V. Dimkovska]20252025-07-08 10:38:56Magistrsko delo/naloga93623UDK: 004.6.056:004.85(043.2)COBISS_ID: 245839875sl