eBay官方企业技术博客本周发布两篇新文章，探讨公司致力于负责任使用人工智能的承诺，以及生成式技术如何提升员工生产力。
高级总监兼杰出应用科学家Lauren Wilcox分享了eBay在负责任使用和开发AI方面采纳的五项指导原则。
包容性、公平性与公正性
eBay致力于实现公平且公正的AI体验
秉持包容性思维构建系统，确保AI体现多样的人类文化、背景和经历。
采取适当措施避免将特定群体排除在外；建立关键制衡机制防止不公平歧视，并确保数据集达到最高质量和安全标准。
问责制与合法性
eBay社区的每个人都应在负责任的AI中发挥作用
确保AI系统在全生命周期内正常运行，设计、开发、测试及使用均符合监管框架。
在AI应用的开发、发布和监控过程中保持人类监督，并实施基于风险的决策流程。
可靠性、安全性与保障
构建可靠、安全且受信任的AI系统
对AI技术进行严格测试以防未授权访问和恶意使用，并对机密数据采取最严格保护措施。
确保AI按设计意图运行，在各种条件下安全响应，不构成安全风险，并依据信息安全最高标准保持韧性。
设计隐私保护
将隐私置于AI系统设计的首要位置
涉及个人信息时，应用eBay隐私原则指导AI系统的设计、开发、部署和使用决策。
采用“设计隐私保护”方法，在决策中融入隐私意识，并使用先进方法保护数据私密性与安全性。
透明度
向用户提供关于我们要如何使用AI的透明度
针对生成式AI等难以理解推理过程的技术，eBay努力向最终用户透明披露AI使用情况。
通过在使用体验中披露AI类型或基于生命周期阶段广泛披露整体使用情况来实现；并根据交互者角色以最有效方式沟通。
随着eBay将更多关键支持、信任和安全管理功能转移给自动化AI工具，透明度和问责制对卖家尤为关键。
平台工程副总裁Senthil Padmanabhan分享了开发人员如何利用商业产品、微调现有大语言模型（LLM）及内部网络来“消除噪音”并提高生产力。
去年eBay将GitHub Copilot扩展至所有开发人员，取得积极成果：感知生产力提升、准确性良好，并通过注释转代码、下一行建议、生成测试及自动填充重复代码等功能节省时间。
但Copilot提示词大小限制使其无法处理需掌握数百万行代码库的任务。因此，eBay使用预处理数据对开源LLM进行后训练和微调，创建了基于Code Llama训练的eBayCoder。
eBayCoder可简化软件维护等耗时任务，并有望减少因使用商业LLM产生的代码重复量。
此外，eBay创建了内部GPT，从主要来源摄取特定数据以帮助开发者快速查找答案（如API调用、分析仪表板位置、部署管道创建等）。目前内部GPT使用量增加，初期反馈显示效率和相关性良好。
尽管自动化聊天系统偶尔会提供无用答案，但eBay正整合员工反馈以强化和训练模型，持续改进GPT表现。
Senthil还分享了一段内部eBay GPT工作的视频片段：