Auto-alineamiento: cuánta seguridad hay que enseñar a un modelo de lenguaje sin que deje de ser útil
Un Llama 3.2 de 3.000 millones de parámetros, ajuste fino con LoRA y una pregunta: qué dosis de datos de seguridad hace falta para que rechace lo dañino sin rechazar todo. La línea prueba …