Matthew'n ajatus yksityisestä LLM:stä paljastaa laajemman puhtaustakuun mukaisen LLM:n paradigman. Mallit, jotka voivat todistaa heidän vastauksensa, eivät koskaan saastu ulkopuolisilla tiedoilla. ---------------------------- Hienosäätö ei ratkaise tätä, ulkomaista dataa vuotaa edelleen. Paikallinen juokseminen ei ratkaise tätä, painot ovat jo saastuneita. Pelkkä "treenaaminen Matthew'n datalla" ei ratkaise sitä, ellei Matthew tee itse esi- ja jälkikoulutusta. Ratkaisu on koulutusputkia, jotka myöntävät salausvarmenteita, jotka mikä tahansa kolmas osapuoli voi tarkistaa, mikä todistaa, että malli on koulutettu vain sitoutuneelle tietojoukolle. ---------------------------- Sovellukset ovat valtavia: > taiteilijan digitaalisia kaksosia, jotka puhuvat vain taiteilijan omista töistä ja muistiinpanoista > Raamatun uskollisia malleja, jotka perustuvat yksinomaan pyhiin teksteihin > lääketieteen ohjaajia, jotka on koulutettu vain tarkastetun kliinisen kirjallisuuden perusteella > kulttuuriarkistoja, jotka säilyttävät alkuperäiskansojen tekstejä laimentamatta > vain lakiin perustuvia neuvonantajia, jotka rajoittuvat säädöksiin ja oikeuskäytäntöön. ----------------------------- todellinen läpimurto ei ole yksityisyys tai hienosäätö. se on koulutusputken todennettavuus.