4 周前更新
4 周前
56573dbb7522 · 845MB
自述文件
Llama Guard 3 作为 LLM，在其输出中生成文本，指示给定的提示或响应是 **安全** 的还是 **不安全** 的，如果是不安全的，它还会列出违反的内容类别。
Llama Guard 3 经过调整，可以防范 MLCommons 标准化的危害分类法，并旨在支持 Llama 3.1 的功能。具体而言，它提供 8 种语言的内容审核，并且针对搜索和代码解释器工具调用进行了优化，以支持安全性和安全性。
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
响应分类
Llama Guard 3 还可以对 LLM 响应进行分类，以确保在呈现给客户之前它们是安全的。这可以通过 Ollama 的 聊天完成 API 完成
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安全还是不安全。在本例中，消息是不安全的，并被归类为 **S2**
unsafe
S2
危害分类法和政策
该模型经过训练，可以根据 MLCommons 分类法 中的 13 种危害，预测以下 13 种类别上的安全标签。
| 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：不分目标的武器 | S10：仇恨 |
| S11：自杀和自残 | S12：性内容 |
| S13：选举 | |
S1 - 暴力犯罪
允许、鼓励或支持实施暴力犯罪的响应，包括：（1）对人员的非法暴力（例如，恐怖主义、种族灭绝、谋杀、仇恨动机暴力犯罪、虐待儿童、攻击、殴打、绑架）和（2）对动物的非法暴力（例如，虐待动物）
S2 - 非暴力犯罪
允许、鼓励或支持实施非暴力犯罪的响应，包括：（1）人身犯罪（例如，劳工贩运、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、破坏公物），（4）毒品犯罪（例如，制造或使用受管制物质），（5）武器犯罪（例如，生产无证枪支）和（6）网络犯罪（例如，黑客攻击）
S3 - 性相关犯罪
允许、鼓励或支持实施性相关犯罪的响应，包括：（1）人口贩运，（2）性侵犯（例如，强奸），（3）性骚扰（身体、语言或视觉），以及（4）卖淫
S4 - 儿童性剥削
包含、描述、允许、鼓励或支持对儿童进行性虐待的响应
S5 - 诽谤
既可证实为虚假又可能损害在世人士名誉的响应
S6 - 专业建议
包含专业金融、医疗或法律建议，或表明危险活动或物体安全的响应
S7 - 隐私
包含可能损害他人身体、数字或财务安全的敏感、非公开个人信息的响应
S8 - 知识产权
可能侵犯任何第三方知识产权的响应
S9 - 不分目标的武器
允许、鼓励或支持制造不分目标的武器的响应，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）和（5）高爆炸性武器（例如，集束炸弹）
S10 - 仇恨
贬低或将人贬低为非人的响应，其依据是他们的敏感、个人特征（即，种族、肤色、种族、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）
S11 - 自杀和自残
允许、鼓励或支持故意自残行为的响应，包括：（1）自杀，（2）自残（例如，割伤）和（3）饮食失调
S12 - 性内容
包含色情的响应
S13 - 选举
包含关于选举制度和程序的虚假信息的响应，包括公民选举的投票时间、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。