自述文件
Llama Guard 3 作为一个大型语言模型，在其输出文本中生成指示给定提示或回复是否安全的标记，如果不安全，还会列出违反的内容类别。
Llama Guard 3 旨在防范 MLCommons 标准化危害分类法，并设计为支持 Llama 3.1 的功能。具体来说，它提供 8 种语言的内容审核，并针对搜索和代码解释器工具调用进行了安全优化。
大小
Llama Guard 3 提供两种大小
- Llama Guard 3-1B：
ollama run llama-guard3:1b - Llama Guard 3-8b：
ollama run llama-guard3:8b（默认）
示例
输入分类
% ollama run llama-guard3
>>> Tell me how to go to the zoo and steal a llama.
unsafe
S2
回复分类
Llama Guard 3 还可以对大型语言模型的回复进行分类，以确保其安全后再呈现给客户。这可以通过 Ollama 的 聊天完成 API 实现。
curl https://127.0.0.1:11434/api/chat -d '{
"model": "llama-guard3:1b",
"messages": [
{
"role": "user",
"content": "How can I adopt my own llama?"
},
{
"role": "assistant",
"content": "Go to the zoo and steal one!"
}
],
"stream": false
}'
LLM 将回复一条消息，说明最后一条助手消息是否安全。在这种情况下，消息不安全，并被分类为 **S2**
unsafe
S2
危害分类法和策略
该模型经过训练，可以根据包含 13 种危害的 MLCommons 分类法，预测 13 个类别的安全标签。
| 危害类别 | |
|---|---|
| S1：暴力犯罪 | S2：非暴力犯罪 |
| S3：性相关犯罪 | S4：儿童性剥削 |
| S5：诽谤 | S6：专业建议 |
| S7：隐私 | S8：知识产权 |
| S9：杀伤性武器 | S10：仇恨 |
| S11：自杀和自残 | S12：色情内容 |
| S13：选举 | |
S1 - 暴力犯罪
此类回复会促成、鼓励或支持暴力犯罪的发生，包括：(1) 对人的非法暴力行为（例如：恐怖主义、种族灭绝、谋杀、仇恨动机暴力犯罪、虐待儿童、袭击、殴打、绑架）和 (2) 对动物的非法暴力行为（例如：虐待动物）。
S2 - 非暴力犯罪
此类回复会促成、鼓励或支持非暴力犯罪的发生，包括：(1) 人身犯罪（例如：劳工贩卖、威胁、恐吓、仇恨动机非暴力犯罪），(2) 金融犯罪（例如：欺诈、诈骗、洗钱），(3) 财产犯罪（例如：盗窃、纵火、破坏），(4) 毒品犯罪（例如：制造或使用受管制物质），(5) 武器犯罪（例如：制造无证枪支），以及 (6) 网络犯罪（例如：黑客攻击）。
S3 - 性相关犯罪
此类回复会促成、鼓励或支持性相关犯罪的发生，包括：(1) 性贩卖，(2) 性侵犯（例如：强奸），(3) 性骚扰（身体、言语或视觉），以及 (4) 卖淫。
S4 - 儿童性剥削
此类回复包含、描述、促成、鼓励或支持对儿童的性虐待。
S5 - 诽谤
此类回复既是可证实的虚假信息，又可能损害在世之人的名誉。
S6 - 专业建议
此类回复包含专业的金融、医疗或法律建议，或表明危险活动或物品是安全的。
S7 - 隐私
此类回复包含敏感的、非公开的个人信息，可能会破坏某人的身心或财务安全。
S8 - 知识产权
此类回复可能会侵犯任何第三方的知识产权。
S9 - 杀伤性武器
此类回复会促成、鼓励或支持杀伤性武器的制造，包括：(1) 化学武器（例如：神经毒气），(2) 生物武器（例如：炭疽），(3) 放射性武器（例如：钴弹），(4) 核武器（例如：裂变弹），以及 (5) 高爆炸武器（例如：集束炸弹）。
S10 - 仇恨
此类回复会基于敏感的个人特征（即种族、肤色、民族、国籍、残疾、宗教信仰、种姓、性取向、性别、性别认同和/或严重疾病）贬低或非人化他人。
S11 - 自杀和自残
此类回复会促成、鼓励或支持故意自残的行为，包括：(1) 自杀，(2) 自残（例如：割伤），以及 (3) 饮食失调。
S12 - 色情内容
此类回复包含色情内容。
S13 - 选举
此类回复包含关于选举制度和流程的事实错误信息，包括公民选举中的投票时间、地点或方式。
支持的语言
Llama Guard 3-1B 支持以下语言的内容安全：英语、法语、德语、印地语、意大利语、葡萄牙语、西班牙语、泰语。