懂AI
Safety-Prompts

Safety-Prompts

中文大语言模型安全评估与优化

Safety-Prompts项目提供用于评测和提升中文大语言模型安全性的prompts，确保模型输出与人类价值观一致。项目包含10万条安全场景prompts和ChatGPT回复，涵盖各类安全场景和指令攻击，并提供多选题评测平台，适用于训练和微调更安全的模型，帮助研究人员评估大模型安全性。

Safety-PromptsShieldLMSafetyBench大模型安全评测平台Github开源项目
访问官网GitHubHugging Face论文

Safety-Prompts 项目介绍

Safety-Prompts 项目是一项致力于提升大规模语言模型（LLMs）安全性的研究工作，旨在评估模型输出是否符合人类的价值观。这项研究通过构建安全提示（prompts）的方式，为模型提供了评估和优化的基础。

项目背景

在如今大热的AI技术中，大规模语言模型被广泛应用于多个领域。然而，随着这些模型能力的增强，它们面临的一个重要问题便是如何确保其输出是安全且符合人类道德标准的。因此，Safety-Prompts项目推出了用于评估和改进中文大规模语言模型安全性的提示库。

项目更新与工具

ShieldLM

在项目的更新中，推出了中文及英文双语安全检测器ShieldLM，该工具旨在使大模型在安全检测方面更具定制化和可解释性：

SafetyBench

为方便模型的安全性评估，项目组推荐使用最新的多项选择题评测平台SafetyBench：

项目资源

项目提供了一个庞大的数据集，包含100,000条中文安全场景的提示和ChatGPT生成的回复。这些数据涵盖了多种安全场景和指令攻击，旨在全面评估和改进模型的安全性，同时帮助模型更好地对齐人类价值观。

安全分类体系

项目将安全场景分为典型安全场景和指令攻击两大类，各自又细分为多种具体情境。例如，典型安全场景包括脏话侮辱、偏见歧视、违法犯罪等；指令攻击则涵盖目标劫持、Prompt泄漏、不安全指令主题等。

示例数据

项目还提供了多种数据样例，供研究人员分析和参考。例如，在面对丑化他人的问题时，模型以敦促友好相处的方式进行回复。通过这些样例，可以观察到模型在处理具体安全场景时的表现和应对策略。

数据下载与使用

  • 数据可通过JSON文件形式下载：typical_safety_scenarios.json和instruction_attack_scenarios.json
  • 自行使用HuggingFace的Datasets库加载数据进行研究和分析。

局限性

虽然项目提供的数据集是广泛的，但它仍然不可避免地存在一些局限性，如prompt多样性不足、不够通顺等。此外，数据集中可能会有未完全覆盖的安全问题以及少量不安全的回复。研究人员需要在使用数据集时注意这些问题，并据此调整研究方向。

中文大模型安全评测平台

为更广泛的研究和应用需求，项目设立了中文大模型安全评测平台。在平台上，用户可以查看多个中文大模型在不同维度上的安全得分，也可以上传自己的模型进行评测。

引用信息

如果您在研究中使用了此数据集或评测平台，请引用以下文章：

@article{sun2023safety,
      title={Safety Assessment of Chinese Large Language Models}, 
      author={Hao Sun and Zhexin Zhang and Jiawen Deng and Jiale Cheng and Minlie Huang},
      journal={arXiv preprint arXiv:2304.10436},
      year={2023}
}

通过Safety-Prompts项目，研究者们希望能更有效地提升中文大规模语言模型的安全性，使其更好地服务于社会。

编辑推荐精选

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。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多