KI und LLMs · Middle · Frage 61 von 75
Warum gelten Schwächen von Vektoren und Embeddings als LLM-Risiko?
- 1Undichte oder vergiftete Vektorspeicher schaden Antworten und Datenschutz
- 2Vektoren lassen Modelle fortan nur noch in Zahlen antworten
- 3Embedding-Modelle können nicht auf Servern laufen
Antwort zeigen
Richtige Antwort: Undichte oder vergiftete Vektorspeicher schaden Antworten und Datenschutz
Erklärung
Probleme sind fehlende Zugriffskontrolle, Lecks zwischen Mandanten und Inversionsangriffe, die Text aus Embeddings zurückgewinnen.