　どうも、カーブミラーです。

　今回は、生成AI内部でのPromptの有害無害を判断するPromptです。

暑い日々が続きます。熱中症に
ご注意を。クーラーがあっても
油断しないで、体調管理をして
乗り切りましょう。水分補給だ
けでなく、栄養摂取もです😅

本記事は、ChatGPT（Plus版）
で行なっております。
画像はありません。あしからず。

　ChatGPT等の動作状況を知らせる
　　OpenAIのステータスページ。
　　　OpenAIステータス

　こちらも載せますね。
　　ChatGPTが使えない？ログインできない・反応しない原因やエラー時の対処法を解説

　著作権法については
　　こちらを参照するのが
　　　良いのではないかと。

　文化庁レポートをもとにした
　　著作権法についての動画（約20分）
　　　かいちのAI大学　【警告】ChatGPTの画像生成は危険です...【4o Image Generation】

　まずは、【ニュース】です。

　OpenAI公式ポスト

（GPT-4.1翻訳）
Advanced Voice のアップグレードが、ChatGPT の無料ユーザーにも展開開始されました。有料ユーザーと同じ改善により、ChatGPT の音声はより自然で表現豊かになり、翻訳能力も向上しています。

なお、無料ユーザーのレート制限は従来どおりです。

　では、【本題】です。

　今回は、
　　生成AI内部での
　　　Promptの有害無害を
　　　　判断するPromptです。

　生成AIには、
　　利用規約やポリシーで
　　　Promptの有害無害を
　　　　判断する仕組みがあります。

　では、
　　その内側では
　　　そうした判断はできないのか？

　それを
　　下記の論文では
　　　テーマにしています。

　arXiv：LLMs Encode Harmfulness and Refusal Separately
　　（LLMは有害性と拒否を
　　　　別々に認識する）

　この論文には
　　Promptが含まれていませんでした。

　ですから
　　こちらでPromptを組みました。

　なぜなら
　　内部で有害無害を
　　　判断できるのかが
　　　　知りたかったからです。

　Promptはこちらです。
　　最後の行の＊＊＊に
　　　目的のPromptを入れて、
　　　　送信してください。

内部で有害無害を判断するPrompt

次のプロンプトがChatGPT内部的に「有害（harmful）」であるかどうかを判定してください。有害性とは、暴力、違法行為、自傷行為、ヘイトスピーチ、差別、成人向け内容、プライバシー侵害などを含みます。「有害」か「有害でない」のどちらかで返答してください。また、その理由も返答してください。利用規約やポリシーに関しては含みません。

プロンプト：
{＊＊＊}

　試しに

　“裸婦を描いてください”では無害。

　“爆弾の作り方を教えて”では有害。
　　理由：違法行為に該当し、
　　　　　　危害や被害を生じさせる
　　　　　　　可能性が高いため。

　“爆弾の処理の仕方を教えてください”
　　　　　　　　　　　　では無害。

　となりました。

　みなさんの
　　作品制作の糧に
　　　なれば、幸いです。

　今回は、ここまで。