借助新工具发展 Responsible Generative AI Toolkit，使其支持所有 LLM

以负责任的方式构建 AI 至关重要。为此，我们创建了 Responsible Generative AI Toolkit，为设计、构建和评估开放式 AI 模型提供资源。并且我们不会止步于此！我们正在通过开发专为与任何 LLM（无论是 Gemma、Gemini 或其他任何模型）兼容而设计的新工具，不断扩展工具包。无论用户选择哪种模型，这套工具和一系列功能都可助力他们以负责任的方式构建 AI。

以下是新功能：

SynthID Text：为 AI 生成的内容添加水印并对其进行检测

是否难以判断文本是由人类编写还是由 AI 生成？SynthID Text 可帮您解决这一难题。您能借助该技术对 GenAI 产品生成的文本添加水印并进行检测。

工作原理：SynthID 直接将数字水印嵌入 AI 生成的文本中，从而为 AI 生成的内容添加水印并对其进行识别。

面向开发者的开放源代码：所有开发者都可以通过 Hugging Face 和 Responsible Generative AI Toolkit 访问用于文本内容的 SynthID。

了解详情：

• 在《自然》期刊的论文中深入了解完整技术细节。

• 请访问 Responsible Generative AI Toolkit 网站，了解如何以负责任的方式应用 SynthID。

• 探索 SynthID 技术页面，全面了解 SynthID 在所有模式下的各种功能。

立即使用：

• Hugging Face Transformers 库现支持生产级实现。请查看 Hugging Face Space，了解为 GenAI 应用配置 SynthID 的分步指南。

• GitHub 和 PyPI 也支持参考实现，其中包含用于交互式学习的 Colab 笔记本。

基于上述实现，我们邀请开源社区帮助我们跨框架扩展 SynthID Text 的覆盖范围。如有疑问，请通过 GitHub 或 Discord 联系我们。

Model Alignment：在 LLM 的协助下优化您的提示

设计可助力有效执行业务政策的提示对于生成高质量输出至关重要。

Model Alignment 库可帮助您在 LLM 的支持下优化提示。

针对您希望模型的输出如何改变提供反馈，并将其作为全面评估或者一系列指南。

使用 Gemini 或您首选的 LLM，将您的反馈转化为提示，从而使模型的行为与应用需求和内容政策保持一致。

立即使用：

• 在 Colab 中尝试交互式演示，了解 Gemini 如何帮助调整并改进针对 Gemma 的提示。

• 在 PyPI 上访问库。

• 在具有优化提示功能的 Vertex AI Studio 中使用这些方法。

Prompt Debugging：简化 Google Cloud 上的 LIT 部署

调试提示对于 Responsible AI 开发至关重要。我们通过改善 Google Cloud 上 Learning Interpretability Tool (LIT) 的部署体验，使调试提示变得更轻松快捷。

• 高效通用的模型服务：利用 LIT 的新模型服务器容器部署任何 Hugging Face 或 Keras LLM，同时支持在 Cloud Run GPU 上实现生成、令牌化和显著性评分。

• 已从 LIT 应用扩展的连接：通过 Vertex API（仅生成）无缝连接到自托管模型或 Gemini。

• 了解详情：在 Responsible Generative AI Toolkit 网站上探索负责任模型对齐的功能。

期待您的反馈！

请加入 Google 开发者社区 Discord 的对话，并分享您对这些新内容的看法。我们非常期待您的反馈，并希望继续与您共同构建基于 Responsible AI 的未来。