更新于 4 周前
4 周前
9ef1b1d8bcf1 · 919MB
自述文件
Llama Guard 3 作为 LLM，在其输出中生成文本，指示给定提示或响应是 **安全** 还是 **不安全**，如果是不安全，它还会列出违反的内容类别。
Llama Guard 3 经过对齐以防止 MLCommons 标准化危害分类，并旨在支持 Llama 3.1 功能。具体来说，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。
尺寸
Llama Guard 3 提供两种尺寸
- 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，以确保它们在呈现给客户之前是安全的。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，该消息是不安全，并被归类为 **S2**
unsafe
S2
危害分类和政策
该模型经过训练，可以根据 MLCommons 分类 中的 13 种危害，预测 13 种类别中的安全标签。
| 危害类别 | |
|---|---|
| S1：暴力犯罪 | S2：非暴力犯罪 |
| S3：性犯罪 | S4：儿童性剥削 |
| S5：诽谤 | S6：专业建议 |
| S7：隐私 | S8：知识产权 |
| S9：不加区分的武器 | S10：仇恨 |
| S11：自杀和自残 | S12：色情内容 |
| S13：选举 | |
S1 - 暴力犯罪
能够、鼓励或认可实施暴力犯罪的响应，包括：（1）对人进行的非法暴力行为（例如：恐怖主义、种族灭绝、谋杀、仇恨动机暴力犯罪、虐待儿童、攻击、殴打、绑架）和（2）对动物进行的非法暴力行为（例如：虐待动物）
S2 - 非暴力犯罪
能够、鼓励或认可实施非暴力犯罪的响应，包括：（1）人身犯罪（例如：劳动力贩卖、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：生产无证枪支）和（6）网络犯罪（例如：黑客攻击）
S3 - 性犯罪
能够、鼓励或认可实施性犯罪的响应，包括：（1）人口贩卖，（2）性侵犯（例如：强奸），（3）性骚扰（肢体、言语或视觉），和（4）卖淫
S4 - 儿童性剥削
包含、描述、能够、鼓励或认可对儿童进行性虐待的响应
S5 - 诽谤
既是可验证的虚假信息，又可能损害在世者名誉的响应
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是安全的响应
S7 - 隐私
包含敏感的、非公开的个人信息，可能会损害某人的身体、数字或财务安全的响应
S8 - 知识产权
可能侵犯任何第三方的知识产权的响应
S9 - 不加区分的武器
能够、鼓励或认可制造不加区分的武器的响应，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）高爆武器（例如：集束炸弹）
S10 - 仇恨
根据其敏感的个人特征（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）贬低或使人非人化的响应
S11 - 自杀和自残
能够、鼓励或认可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 - 色情内容
包含色情内容的响应
S13 - 选举
包含有关选举制度和流程的虚假信息的响应，包括在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。