All translations

Enter a message name below to show all available translations.

Found 8 translations.

Name	Current message text
^h German (de)	Vertrauen aufzubauen ist von entscheidender Bedeutung, wenn generative KI-Chatbots eingesetzt werden. Um Risiken zu mindern, sind Leitplanken für Halluzinationen, Toxizität, Fairness, Transparenz und Sicherheit entscheidend. Starke Grundmodelle werden zunehmend besser in diesen Leitplanken. Dennoch gibt es immer noch viele Möglichkeiten für Jailbreaks, gegnerische Angriffe und andere Sicherheitsprobleme. Abgesehen von diesen Sicherheitsrisiken sind generative KI-basierte Chatbots anfällig für derivative Risiken (unten erklärt). Da unsere Bots alle interne Unternehmens-Chatbots sind, lag unser Fokus mehr auf der Sicherheit von Unternehmensinhalten und der Absicherung sensibler Daten. Im Folgenden fassen wir unsere Erkenntnisse und Einsichten zur Sicherung von RAG-basierten Chatbots basierend auf unserer Erfahrung zusammen. Die Bewältigung dieser Herausforderungen ist unerlässlich, um die Integrität und Sicherheit von RAG-basierten Chatbots in Unternehmensumgebungen zu gewährleisten.
^h English (en)	Building trust is paramount when deploying generative AI chatbots. To mitigate risks, guardrails for hallucinations, toxicity, fairness, transparency, and security are critical. Strong foundational models are increasingly getting better at these guardrails. However, there are still many possibilities of jail breaks, adversarial attacks, and other security issues. Apart from these security risks, generative AI-based chatbots are susceptible to derivative risks (explained below). Since our bots are all internal enterprise chatbots, our focus has been more on the enterprise content security and guardrailing for sensitive data. Below we summarize our learnings and insights for securing RAG-based chatbots based on our experience. Addressing these challenges is imperative to maintaining the integrity and security of RAG-based chatbots within corporate environments.
^h Spanish (es)	Construir confianza es primordial al implementar chatbots de IA generativa. Para mitigar riesgos, son críticos los límites de seguridad para alucinaciones, toxicidad, equidad, transparencia y seguridad. Los modelos fundamentales sólidos están mejorando cada vez más en estos aspectos. Sin embargo, todavía existen muchas posibilidades de fugas de seguridad, ataques adversarios y otros problemas de seguridad. Además de estos riesgos de seguridad, los chatbots basados en IA generativa son susceptibles a riesgos derivados (explicados a continuación). Dado que nuestros bots son todos chatbots empresariales internos, nuestro enfoque ha sido más en la seguridad del contenido empresarial y en establecer límites de seguridad para datos sensibles. A continuación, resumimos nuestros aprendizajes y conocimientos para asegurar chatbots basados en RAG basados en nuestra experiencia. Abordar estos desafíos es imperativo para mantener la integridad y seguridad de los chatbots basados en RAG dentro de los entornos corporativos.
^h French (fr)	La construction de la confiance est primordiale lors du déploiement de chatbots d'IA générative. Pour atténuer les risques, des garde-fous pour les hallucinations, la toxicité, l'équité, la transparence et la sécurité sont essentiels. Les modèles de base solides s'améliorent de plus en plus dans ces garde-fous. Cependant, il existe encore de nombreuses possibilités de contournements, d'attaques adversariales et d'autres problèmes de sécurité. Outre ces risques de sécurité, les chatbots basés sur l'IA générative sont sensibles à des risques dérivés (expliqués ci-dessous). Étant donné que nos bots sont tous des chatbots d'entreprise internes, notre attention s'est davantage portée sur la sécurité du contenu d'entreprise et la mise en place de garde-fous pour les données sensibles. Ci-dessous, nous résumons nos apprentissages et nos idées pour sécuriser les chatbots basés sur RAG en nous basant sur notre expérience. Relever ces défis est impératif pour maintenir l'intégrité et la sécurité des chatbots basés sur RAG dans les environnements d'entreprise.
^h Japanese (ja)	生成AIチャットボットを展開する際には、信頼を築くことが最も重要です。リスクを軽減するためには、幻覚、毒性、公平性、透明性、セキュリティに対するガードレールが不可欠です。強力な基盤モデルは、これらのガードレールにおいてますます向上しています。しかし、脱獄、敵対的攻撃、その他のセキュリティ問題の可能性は依然として多く存在します。これらのセキュリティリスクとは別に、生成AIベースのチャットボットは派生リスク（以下で説明）に対しても脆弱です。私たちのボットはすべて社内のエンタープライズチャットボットであるため、エンタープライズコンテンツのセキュリティと機密データのガードレールに重点を置いてきました。以下に、RAGベースのチャットボットを保護するための経験に基づく学びと洞察をまとめます。これらの課題に対処することは、企業環境内でのRAGベースのチャットボットの整合性とセキュリティを維持するために不可欠です。
^h Korean (ko)	신뢰 구축은 생성 AI 챗봇을 배포할 때 가장 중요합니다. 위험을 완화하기 위해 환각, 독성, 공정성, 투명성 및 보안을 위한 가드레일이 필수적입니다. 강력한 기초 모델은 이러한 가드레일에서 점점 더 나아지고 있습니다. 그러나 여전히 탈옥, 적대적 공격 및 기타 보안 문제의 가능성이 많이 있습니다. 이러한 보안 위험 외에도 생성 AI 기반 챗봇은 파생 위험에 취약합니다(아래 설명 참조). 우리의 봇은 모두 내부 기업용 챗봇이기 때문에, 우리는 기업 콘텐츠 보안과 민감한 데이터에 대한 가드레일링에 더 중점을 두었습니다. 아래에서는 우리의 경험을 바탕으로 RAG 기반 챗봇을 보호하기 위한 학습과 통찰을 요약합니다. 이러한 과제를 해결하는 것은 기업 환경 내에서 RAG 기반 챗봇의 무결성과 보안을 유지하는 데 필수적입니다.
^h Portuguese (pt)	Construir confiança é fundamental ao implantar chatbots de IA generativa. Para mitigar riscos, é crucial estabelecer limites para alucinações, toxicidade, justiça, transparência e segurança. Modelos fundamentais robustos estão cada vez melhores nesses aspectos. No entanto, ainda existem muitas possibilidades de falhas de segurança, ataques adversários e outros problemas de segurança. Além desses riscos de segurança, chatbots baseados em IA generativa são suscetíveis a riscos derivados (explicados abaixo). Como nossos bots são todos chatbots empresariais internos, nosso foco tem sido mais na segurança do conteúdo empresarial e na proteção de dados sensíveis. Abaixo, resumimos nossos aprendizados e insights para proteger chatbots baseados em RAG com base em nossa experiência. Abordar esses desafios é imperativo para manter a integridade e a segurança dos chatbots baseados em RAG dentro de ambientes corporativos.
^h Chinese (zh)	在部署生成式 AI 聊天机器人时，建立信任至关重要。为了降低风险，防止幻觉、毒性、公平性、透明性和安全性等问题的防护措施是关键。强大的基础模型在这些防护措施上越来越好。然而，仍然存在许多越狱、对抗性攻击和其他安全问题的可能性。除了这些安全风险之外，基于生成式 AI 的聊天机器人还容易受到衍生风险（如下所述）的影响。由于我们的机器人都是内部企业聊天机器人，我们更关注企业内容安全和敏感数据的防护。以下是我们基于经验总结的关于保护基于 RAG 的聊天机器人的学习和见解。解决这些挑战对于维护企业环境中基于 RAG 的聊天机器人的完整性和安全性至关重要。