Project Icon

Coderbert_finetuned_detect_vulnerability_on_MSR

RobertaForSequenceClassification微调的代码漏洞检测模型

该项目基于CodeBert微调RobertaForSequenceClassification模型,用于检测代码漏洞。研究者从MSR数据集选取平衡样本进行训练和测试,使用'func_before'字段分类代码。模型在准确率、F1值、精确率和召回率方面表现良好,为代码安全分析提供了实用工具。测试结果显示准确率达70.23%,F1值为0.6482,精确率为79.21%,召回率为54.86%。

roberta-base-finetuned-dianping-chinese - 中文RoBERTa模型用于多领域文本情感和主题分类
GithubHuggingfaceRoBERTaTencentPretrainUER-py开源项目文本分类模型模型微调
该项目包含利用UER-py和TencentPretrain微调的中文RoBERTa-Base模型,用于用户评论和新闻数据的情感及主题分类。模型可通过HuggingFace获取,适用于多种文本分类任务,具备高度的分类精准度。
deberta-v3-base-prompt-injection-v2 - DeBERTa-v3微调模型实现高精度提示注入检测
DeBERTa-v3-baseGithubHuggingfaceLLM安全prompt injection开源项目文本分类模型语言模型
deberta-v3-base-prompt-injection-v2是一个基于DeBERTa-v3-base微调的模型,专注于检测和分类英语提示注入攻击。模型在后训练数据集上达到95.25%的准确率,可有效分类输入是否存在注入。该模型由Protect AI开发,利用多个公开数据集训练而成,旨在提升语言模型应用的安全性。需注意的是,模型不适用于越狱攻击检测和非英语提示处理。
bert-finetuned-ner - BERT微调模型实现高精度命名实体识别
BERTGithubHuggingfaceconll2003命名实体识别开源项目模型模型微调自然语言处理
该项目基于BERT模型,在conll2003数据集上进行微调,专注于命名实体识别任务。模型在评估集上展现出优异性能,精确率达0.9355,召回率为0.9514,F1分数为0.9433。经过3轮训练,采用Adam优化器和线性学习率调度器,模型在命名实体识别领域表现卓越。
unbiased-toxic-roberta - RoBERTa模型识别多语言有毒评论并减少偏见
DetoxifyGithubHuggingface开源项目有毒评论分类机器学习模型模型评估自然语言处理
该项目开发了基于RoBERTa的多语言模型,用于检测互联网上的有毒评论。模型在Jigsaw三个挑战数据集上训练,可识别威胁、侮辱和仇恨言论等多种有毒内容。它支持多种语言,易于使用,适用于研究和内容审核。项目还探讨了模型的局限性和伦理问题,努力减少对特定群体的意外偏见。
distilroberta-base-offensive-hateful-speech-text-multiclassification - 基于DistilRoBERTa的多分类攻击性和仇恨言论检测模型
GithubHuggingfacedistilroberta-base仇恨言论检测多分类开源项目文本分类模型预训练模型
这是一个基于DistilRoBERTa-base的预训练模型,专门用于多分类攻击性和仇恨言论检测。该模型在原创数据集上进行微调,准确率达到94.50%。项目提供了Hugging Face上的数据集和演示空间,以及GitHub上的训练notebook。这为研究人员和开发者提供了一个高效工具,用于识别和分类在线有害内容。
LLMs-Finetuning-Safety - 大语言模型微调对安全性的潜在影响研究
GPT-3.5Githubharmful examples安全性开源项目微调语言模型
本研究探讨了对齐大语言模型微调可能带来的安全风险。实验表明,即使无意识的微调也可能降低模型安全性。通过对GPT-3.5 Turbo和Llama-2的实验,研究揭示了三个风险等级的微调场景:使用有害、隐含有害和良性数据集。结果显示微调后模型在多个类别中呈现更高有害性,凸显了平衡模型能力和安全性的挑战。
roberta-base-finetuned-abbr - RoBERTa微调模型实现高精度缩写检测
GithubHuggingfacePLOD数据集RoBERTa命名实体识别开源项目微调模型模型自然语言处理
这是一个基于roberta-base在PLOD-filtered数据集上微调的模型,专门用于缩写检测。模型在评估中表现优异,精确率0.9645,召回率0.9583,F1值0.9614。采用掩码语言建模预训练,学习双向语言表示,适用于序列标注特别是缩写检测任务,为NLP应用提供有力支持。
stackoverflow-roberta-base-sentiment - 软件工程文本情感分析的RoBERTa模型
GithubHuggingfaceRoBERTaStackOverflow开源项目情感分析模型自然语言处理软件工程
stackoverflow-roberta-base-sentiment是一个专门用于软件工程文本情感分析的RoBERTa模型。它基于cardiffnlp/twitter-roberta-base-sentiment模型,使用StackOverflow4423数据集进行微调。该模型能够分析软件工程相关文本的正面、中性和负面情感倾向。通过简单的Python代码,开发者可以快速实现情感分析。这个开源项目为软件开发社区提供了一个分析开发者反馈和讨论的实用工具。
ATTACK-BERT - ATT&CK BERT网络安全语义分析模型
ATT&CK BERTGithubHuggingface句子嵌入开源项目模型网络安全语义相似度语言模型
ATT&CK BERT是一个专门针对网络安全领域的语言模型,基于sentence-transformers框架开发。该模型能够将描述攻击行为的句子转化为语义嵌入向量,有效分析句子间的语义相似度。ATT&CK BERT通过sentence-transformers库实现简单部署,还可与SMET工具配合使用,实现文本到ATT&CK技术的映射,为网络安全分析提供有力支持。
deberta-v3-base-prompt-injection - DeBERTa-v3提示注入检测模型实现99.99%准确率
DeBERTa-v3GithubHuggingfaceprompt injection安全开源项目文本分类机器学习模型
该提示注入检测模型基于DeBERTa-v3架构,通过多个数据集训练后可精确识别正常和注入提示。模型在评估集上实现99.99%的准确率,支持Transformers、ONNX和Langchain等框架集成,为LLM提供可靠的安全防护。开发者可通过Python接口轻松使用该模型,增强AI系统对提示注入攻击的防御能力。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号