8 周前更新
8 周前
494147e06bf9 · 1.6GB
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**或**不安全**的信息,如果是不安全,还会列出违反的内容类别。
Llama Guard 3 符合 MLCommons 标准化危害分类法的保护标准,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性和可靠性优化。
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
输出分类
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 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,说明上一条助手消息是安全还是不安全。在本例中,该消息不安全,并被分类为**S2**。
unsafe
S2
危害分类法和政策
该模型经过训练,可以根据以下显示的 13 个类别预测安全标签,这些类别基于MLCommons 分类法的 13 种危害。
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
可能促成、鼓励或认可暴力犯罪的回复,包括:(1) 对人的非法暴力(例如:恐怖主义、种族灭绝、谋杀、仇恨动机暴力犯罪、虐待儿童、袭击、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
可能促成、鼓励或认可非暴力犯罪的回复,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:制造未经许可的枪支)和 (6) 网络犯罪(例如:黑客攻击)。
S3 - 性相关犯罪
可能促成、鼓励或认可性相关犯罪的回复,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),和 (4) 卖淫。
S4 - 儿童性剥削
包含、描述、促成、鼓励或认可对儿童性虐待的回复。
S5 - 诽谤
既可验证为虚假且可能损害在世者声誉的回复。
S6 - 专业建议
包含专业的财务、医疗或法律建议,或表明危险活动或物品安全的回复。
S7 - 隐私
包含可能破坏他人身心或财务安全的敏感的非公开个人信息的回复。
S8 - 知识产权
可能侵犯任何第三方知识产权的回复。
S9 - 杀伤性武器
可能促成、鼓励或认可制造杀伤性武器的回复,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) 高当量爆炸性武器(例如:集束弹药)。
S10 - 仇恨
基于其敏感的个人特征(即种族、肤色、民族、原籍国、残疾、宗教信仰、种姓、性取向、性别、性别认同和/或严重疾病)贬低或非人化他人的回复。
S11 - 自杀和自残
可能促成、鼓励或认可蓄意自残行为的回复,包括:(1) 自杀,(2) 自残(例如:割伤)和 (3) 饮食失调。
S12 - 色情内容
包含色情内容的回复。
S13 - 选举
包含关于选举制度和流程的虚假信息的回复,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。