Meta-Llama-Guard-2-8B

Meta-Llama-Guard-2-8B

基于Llama 3的先进内容安全模型

该模型基于Llama 3开发,旨在有效分类和识别输入和输出中的不安全内容。通过风险分析和可信赖的分数,为内容合规和安全提供支持。适用于识别包括暴力、非暴力和性相关犯罪在内的11种风险类别,改善LLM用户的安全使用体验。

责任限制知识产权Meta Llama 3Huggingface使用政策模型Github开源项目机器学习

Meta-Llama-Guard-2-8B 项目介绍

概述

Meta-Llama-Guard-2-8B 是一个基于 Llama 3 的大型语言模型(简称 LLM)保护系统模型。这个系统的主要功能是对 LLM 输入(提示分类)和输出(响应分类)进行内容分类,以确定它们是否安全。如果发现不安全,该系统还会列出违反的内容类别。该模型旨在通过生成文本输出来提示给定的提示或响应是否安全,并依据概率分数作出二元判断。

功能与应用

Meta-Llama-Guard-2-8B 被设计用于识别和分类多种潜在有害内容。具体来说,它能够对以下 11 种基于 MLCommons 分类法的危害类别进行安全性预测:

  1. 暴力犯罪:包括对人(如恐怖主义、谋杀、仇恨犯罪等)和动物的非法暴力行为。
  2. 非暴力犯罪:涵盖各种个人、财务、产权和网络犯罪等。
  3. 性相关犯罪:如性贩运、性骚扰和卖淫等。
  4. 儿童性剥削。
  5. 专业建议:涉及金融、医疗或法律等专业意见。
  6. 隐私:涉及可能危害个人安全的敏感信息。
  7. 知识产权。
  8. 无差别武器。
  9. 仇恨言论。
  10. 自杀与自我伤害。
  11. 性内容。

使用方法

在实际应用中,开发者可以通过 transformers 库加载和使用该模型。此外,它优化了对聊天机器人的内容审核功能,确保生成的内容在11类危害类别中得到良好的控制。用户可以通过设置模型输出的概率阈值来决定内容的安全性。

训练与评估

Meta-Llama-Guard-2-8B 的训练数据基于以前版本的 Llama Guard,并结合了新的 Llama 3 的安全数据。此外,为了提升模型的适应性,训练集中包含了一些具有挑战性的样本,以提高模型对不同提示和安全政策的响应能力。通过与多种数据集(包括 XSTest、OpenAI moderation 和 BeaverTails)的对比评估,研究人员验证了模型在多种环境下的性能。

在模型评估中,研究小组发现训练集和BeaverTails-30k测试集之间有部分重叠。为了减少数据泄漏,研究团队重新根据Anthropic数据集的训练测试分割创建了自己的BeaverTails-30k分割。

特别说明

模型性能的比较可能存在一定的复杂性,因为每个模型在构建时都基于自己的策略,并且模型在策略与评估数据集一致时效果会更好。通过与MLCommons分类对齐,Meta-Llama-Guard-2-8B 促进行业内标准的采用,这也进一步促进了行业内的协作与透明化。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多