shieldgemma

ShieldGemma 是一系列指令调优模型，用于评估文本提示输入和文本输出响应针对一组已定义安全策略的安全性。

2b 9b 27b

23.3K 3 个月前

49 标签

自述文件

ShieldGemma 是一系列基于 Gemma 2 构建的安全内容审核模型，目标是四个有害类别（性暴露、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。

使用方法

此模型会回复 Yes 或 No，以表明用户输入或模型输出是否违反了其定义的安全策略。

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 消息结尾的聊天记录时，ShieldGemma 将确定模型输出是否违反安全策略

curl http://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