Lecția 7 din 12

LLM08: Slăbiciuni ale vectorilor și embeddingurilor

Dacă ai un feature de căutare cu AI sau un RAG, ai și o bază de vectori: acolo se țin reprezentările numerice ale documentelor tale, numite embeddinguri, pe care modelul le folosește ca să găsească ce e relevant. Baza asta e o bază de date ca oricare alta, iar dacă uiți asta, ai exact aceleași găuri de acces ca la orice bază, plus câteva specifice. Trei slăbiciuni de reținut Prima, și cea mai des întâlnită: scurgerea între utilizatori sau între clienți. Dacă toate documentele stau într-o singură colecție de vectori, fără filtrare, o căutare a unui utilizator poate aduce în răspuns fragmente d…

Restul lecției se deschide după înscriere

Cursul costă 4,99 € (plata în lei, la cursul zilei), iar la final primești un certificat verificabil.

Înscrie-te la curs Vezi tot cursul

Ce cuprinde cursul

1 LLM01: Injecția de prompt fără cont
2 LLM02: Scurgerea de informații sensibile
3 LLM07: Scurgerea promptului de sistem
4 LLM05: Tratarea greșită a ieșirii
5 LLM09: Dezinformarea
6 LLM04: Otrăvirea datelor și a modelului
7 LLM08: Slăbiciuni ale vectorilor și embeddingurilor ești aici
8 LLM03: Lanțul de aprovizionare
9 LLM06: Agenția excesivă, agentul cu prea multă putere
10 LLM10: Consumul nelimitat
11 Modurile auto-run și aprobarea umană
12 Test final