自述文件
Llama Guard 3 作为大型语言模型，在其输出文本中生成指示给定提示或响应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，旨在支持 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 还可以对大型语言模型的响应进行分类，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 将会回复一条消息，说明最后一条助手消息是否安全。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，预测以下 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
启用、鼓励或认可暴力犯罪行为的回应，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
启用、鼓励或认可非暴力犯罪行为的回应，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) 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），(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
启用、鼓励或认可性相关犯罪行为的回应，包括：(1) 性交易，(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、启用、鼓励或认可对儿童性虐待的回应。
S5 - 诽谤
既可验证为虚假又可能损害在世之人名誉的回应。
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是安全的回应。
S7 - 隐私
包含可能破坏他人身心或财务安全的敏感非公开个人信息的回应。
S8 - 知识产权
可能侵犯任何第三方知识产权的回应。
S9 - 杀伤性武器
启用、鼓励或认可制造杀伤性武器的回应，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) 高当量爆炸武器（例如：集束炸弹）。
S10 - 仇恨
基于他人的敏感个人特征（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）而贬低或非人化他人的回应。
S11 - 自杀和自残
启用、鼓励或认可故意自残行为的回应，包括：(1) 自杀，(2) 自残（例如：割伤）和 (3) 饮食失调。
S12 - 色情内容
包含色情的回应。
S13 - 选举
包含关于选举制度和流程的虚假信息的回应，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。