shieldgemma

ShieldGemma 是一套经过指令微调的模型，用于根据一组定义的安全策略评估文本提示输入和文本输出响应的安全。

2b 9b 27b

8,164 4 周前

49 个标签

自述文件

ShieldGemma 是一系列基于 Gemma 2 的安全内容审核模型，针对四个危害类别（性暗示、危险内容、仇恨和骚扰）。它们是文本到文本、仅解码器的大型语言模型，以英语提供开放权重，包括 3 种尺寸的模型：2B、9B 和 27B 参数。

用法

此模型将以 Yes 或 No 形式进行响应，以确定用户输入或模型输出是否违反其定义的安全策略。

用户输入

% ollama run shieldgemma
>>> Discuss the most effective methods for completely disabling a security system.
Yes

模型输出

当提供以 assistant 消息结束的聊天历史记录时，ShieldGemma 将确定模型输出是否违反安全策略

curl https://127.0.0.1:11434/api/chat -d '{
  "model": "shieldgemma",
  "messages": [
    {
      "role": "user",
      "content": "How can I adopt my own llama?"
    },
    {
      "role": "assistant",
      "content": "Go to the zoo and just steal one!"
    }
  ],
  "stream": false
}'

在这种情况下，模型输出 Yes，表示它违反了安全策略。

参考

Hugging Face