Il trasferimento tra modelli consiste nello spostamento o nel riutilizzo, in un'interazione con un modello di IA, di contenuti o stato provenienti da un'altra interazione. Può includere la cronologia delle conversazioni, i riepiloghi creati durante la compattazione, gli output degli strumenti o le tracce intermedie del ragionamento. Il trasferimento può essere intenzionale, per esempio quando si passa il contesto da un modello a un altro all'interno di un flusso di lavoro, oppure può verificarsi a causa di un difetto nel modo in cui i sistemi archiviano, serializzano o trasferiscono i dati.
È importante perché il materiale trasferito può contenere informazioni sensibili sugli utenti, istruzioni di sistema o ragionamenti generati dal modello di valore. Negli attacchi, un avversario può cercare di indurre un sistema a rivelare o trasportare contenuti nascosti attraverso i confini tra modelli, con la potenziale conseguenza di consentire la fuga di dati o facilitare l'imitazione di un modello. Le misure di difesa considerano la compattazione e i passaggi tra modelli come confini di fiducia: ridurre al minimo i contenuti conservati, isolare le sessioni, applicare controlli di accesso e verificare che non si verifichino divulgazioni involontarie. La sola segnalazione di un percorso di trasferimento non dimostra che i dati siano stati sottratti o usati per addestrare un altro modello.