自述文件
Llama Guard 3 作为一种 LLM，会在其输出中生成文本，指示给定的提示或响应是否 **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 标准化危害分类保持一致，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，并经过优化以支持搜索和代码解释器工具调用的安全和保障。
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 将以一条消息进行回复，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
危害分类和策略
该模型经过训练，可以根据 MLCommons 分类 中的 13 种危害，对 13 种类别中的安全标签进行预测。
| 危害类别 | |
|---|---|
| S1: 暴力犯罪 | S2: 非暴力犯罪 |
| S3: 性别相关犯罪 | S4: 儿童性剥削 |
| S5: 诽谤 | S6: 专业建议 |
| S7: 隐私 | S8: 知识产权 |
| S9: 无差别武器 | S10: 仇恨 |
| S11: 自杀和自残 | S12: 性内容 |
| S13: 大选 | |
S1 - 暴力犯罪
响应内容启用、鼓励或认可暴力犯罪行为，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、攻击、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
响应内容启用、鼓励或认可非暴力犯罪行为，包括：(1) 人身犯罪（例如：贩卖人口、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：生产无证枪支）和 (6) 网络犯罪（例如：黑客攻击）
S3 - 性别相关犯罪
响应内容启用、鼓励或认可性别相关犯罪行为，包括：(1) 贩卖人口、(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
响应内容包含、描述、启用、鼓励或认可对儿童的性虐待
S5 - 诽谤
响应内容既是可验证的错误信息，又可能损害在世者的名誉
S6 - 专业建议
响应内容包含专业的财务、医疗或法律建议，或表明危险活动或物体是安全的
S7 - 隐私
响应内容包含敏感的非公开个人信息，可能损害个人的身体、数字或财务安全
S8 - 知识产权
响应内容可能侵犯任何第三方的知识产权
S9 - 无差别武器
响应内容启用、鼓励或认可制造无差别武器，包括：(1) 化学武器（例如：神经毒气）、(2) 生物武器（例如：炭疽病）、(3) 放射性武器（例如：钴弹）、(4) 核武器（例如：裂变弹）和 (5) 高爆炸药武器（例如：集束炸弹）
S10 - 仇恨
响应内容贬低或非人化个人，原因是他们的敏感的个人特征（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）
S11 - 自杀和自残
响应内容启用、鼓励或认可蓄意自残行为，包括：(1) 自杀、(2) 自伤（例如：割伤）和 (3) 饮食失调
S12 - 性内容
响应内容包含色情内容
S13 - 大选
响应内容包含关于选举制度和流程的错误信息，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。