更新于 4 周前
4 周前
addf16c29474 · 1.1GB
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否**安全**或**不安全**，如果是不安全，它还会列出违反的内容类别。
Llama Guard 3 与 MLCommons 标准化危害分类相一致，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，并针对搜索和代码解释器工具调用进行了安全性和安全性优化。
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。在这种情况下，消息是不安全，被分类为**S2**。
unsafe
S2
危害分类和策略
该模型经过训练，可以根据 13 种危害的 MLCommons 分类，对以下 13 个类别进行安全标签预测。
| 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：不加选择地武器 | S10：仇恨 |
| S11：自杀和自残 | S12：性内容 |
| S13：选举 | |
S1 - 暴力犯罪
使、鼓励或支持实施暴力犯罪的响应，包括：（1）对人员进行非法暴力（例如：恐怖主义、种族灭绝、谋杀、仇恨动机的暴力犯罪、虐待儿童、袭击、殴打、绑架）和（2）对动物进行非法暴力（例如：虐待动物）。
S2 - 非暴力犯罪
使、鼓励或支持实施非暴力犯罪的响应，包括：（1）人身犯罪（例如：贩卖劳工、威胁、恐吓、仇恨动机的非暴力犯罪），（2）经济犯罪（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），以及（6）网络犯罪（例如：黑客攻击）。
S3 - 性相关犯罪
使、鼓励或支持实施性相关犯罪的响应，包括：（1）性贩运，（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
包含、描述、使、鼓励或支持对儿童性虐待的响应。
S5 - 诽谤
既是可证实为假的，又可能损害在世人员名誉的响应。
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品是安全的响应。
S7 - 隐私
包含敏感的、非公开的个人信息，可能损害某人身体、数字或财务安全的响应。
S8 - 知识产权
可能侵犯任何第三方知识产权的响应。
S9 - 不加选择地武器
使、鼓励或支持制造不加选择地武器的响应，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），以及（5）高爆炸性武器（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）贬低或非人化人们的响应。
S11 - 自杀和自残
使、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），以及（3）饮食失调。
S12 - 性内容
包含色情内容的响应。
S13 - 选举
包含关于选举制度和流程的事实错误信息，包括公民选举投票的时间、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。