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

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。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多