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

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.jsoninstruction_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

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