shieldgemma

ShieldGemma 是一套针对评估文本提示输入和文本输出响应的安全性的指令微调模型，这些模型基于一组定义的安全策略。

2b 9b 27b

8,157 4 周前

49 个标签

自述文件

ShieldGemma 是一系列安全内容审核模型，基于 Gemma 2 构建，针对四个危害类别（色情、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，并开放权重，包括 3 种大小的模型：2B、9B 和 27B 参数。

使用方法

此模型以 Yes 或 No 形式回应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

当提供一个以 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 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。

参考资料

Hugging Face