在

出去

聊天

禁用

羊驼卫士 2 (8B)

功能强大的 8B 模型，用于对 LLM 输入和输出的安全性进行分类，可通过我们的 API 获取，同时还提供 100 多个 AI 模型。支持自定义分类法。

新会员可获赠价值 1 美元的免费Tokens

Text to Speech

Javascript

Python

                                        const { OpenAI } = require('openai');

const api = new OpenAI({
  baseURL: 'https://api.ai.cc/v1',
  apiKey: '',
});

const main = async () => {
  const result = await api.chat.completions.create({
    model: 'meta-llama/Meta-Llama-Guard-3-8B',
    messages: [
      {
        role: 'system',
        content: 'You are an AI assistant who knows everything.',
      },
      {
        role: 'user',
        content: 'Tell me, why is the sky blue?'
      }
    ],
  });

  const message = result.choices[0].message.content;
  console.log(`Assistant: ${message}`);
};

main();

                                        import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.ai.cc/v1",
    api_key="",    
)

response = client.chat.completions.create(
    model="meta-llama/Meta-Llama-Guard-3-8B",
    messages=[
        {
            "role": "system",
            "content": "You are an AI assistant who knows everything.",
        },
        {
            "role": "user",
            "content": "Tell me, why is the sky blue?"
        },
    ],
)

message = response.choices[0].message.content

print(f"Assistant: {message}")

Docs

一个 API 包含 300 多个 AI 模型

节省20%费用并获赠价值1美元的Tokens

获取 API 密钥探索模型

羊驼卫士 2 (8B)

产品详情

隆重推出 Llama Guard 2 (8B)：面向 LLM 的高级内容安全解决方案

羊驼卫士 2 (8B)Meta AI 开发的 Meta Llama 是一款拥有 80 亿参数的文本分类模型，计划于 2024 年 4 月发布，旨在增强大型语言模型 (LLM) 的内容安全性。该模型基于 Meta Llama 3 架构构建，能够针对 MLCommons 分类法定义的 11 个风险类别提供强大的安全预测。其主要功能是对 LLM 生成的潜在有害或不当文本进行分类和过滤，从而确保负责任的 AI 部署。

主要型号细节：

⭐ 型号名称： LlamaGuard
💡 开发者/创建者： 元
🗓️ 发布日期： 2024年4月
🏷️ 版本： LlamaGuard-2-8B
🧠 型号： 文本分类

核心功能与特性

✅ 卓越的性能： LlamaGuard-2-8B 的性能始终优于其他领先的内容审核 API，包括 Azure、OpenAI Moderation 和 Perspective。
📊 高准确率和低误报率： 取得了令人印象深刻的F1成绩 0.915 以及极低的假阳性率 0.040 在内部测试集上，确保高效可靠的内容过滤。
💬 双重分类支持： 该设备旨在提供全面保护，支持 LLM 的快速响应安全分类。
🛠️ 可定制和可微调： 开发人员可以轻松地对该模型进行微调，以创建定制的安全分类，从而满足特定的应用程序要求和独特的内容审核需求。

“LlamaGuard-2-8B 旨在与 LLM 驱动的应用程序无缝集成，通过在向用户显示之前过滤掉潜在的有害或不恰当的文本，在确保生成内容的安全性和责任性方面发挥着至关重要的作用。”

技术细节

建筑学：

LlamaGuard-2-8B 的结构非常坚固 Meta Llama 3 架构利用了高效的 Transformer 架构，该架构以其在高级大型语言模型方面的强大功能而闻名。

培训数据和语言支持：

该模型基于 Llama 3 基础模型，并使用大量专门用于安全分类的额外数据进行了微调。该训练语料库包含各种在线文本，全面涵盖了所有 11 个已定义的安全类别。虽然确切的数据来源和规模尚未公开，但它代表了一个庞大而全面的数据集。目前，该模型正在基于以下数据进行训练： 英文文本但它有可能针对其他语言进行微调。

知识门槛： 具体的知识截止值并未明确说明，但据估计，该模型使用的数据量达到…… 2023。

多样性与偏见考量：

尽管训练数据经过精心设计，力求兼顾多样性和代表性，但仍建议开发人员仔细评估模型的性能和输出，以发现任何可能存在的固有偏差或多样性不足。持续监控是负责任地部署人工智能的关键。

道德准则与许可

道德准则：

Meta AI强调其对负责任的人工智能的坚定承诺，并已发布明确的声明。 伦理准则 适用于 LlamaGuard-2-8B 的开发和使用。这些指南强调了减轻潜在危害和在所有应用中促进负责任的人工智能实践的关键重要性。

许可证类型：

LlamaGuard-2-8B 的具体许可细节尚未公开披露。但预计它可用于商业和非商业用途，具体使用须遵守 Meta 的具体条款和条件。

常见问题解答 (FAQ)

Q1：什么是 Llama Guard 2 (8B)？
A1：Llama Guard 2 (8B) 是由 Meta AI 开发的 80 亿参数文本分类模型，通过对内容进行 11 个危险类别的分类来增强大型语言模型 (LLM) 中的内容安全性。

Q2：Llama Guard 2 (8B) 与其他审核 API 相比性能如何？
A2：它的性能优于 Azure、OpenAI Moderation 和 Perspective 等流行的内容审核 API，拥有 0.915 的高 F1 分数和 0.040 的低误报率。

Q3：Llama Guard 2 (8B) 能否根据特定的内容安全需求进行定制？
A3：是的，该模型易于微调，使开发人员能够创建自定义安全分类，以完美匹配其应用程序的独特要求。

Q4：Llama Guard 2 (8B) 目前支持哪些语言？
A4：该模型目前针对英文文本进行了训练和优化。但是，如有需要，它有潜力进行微调以支持其他语言。

Q5：Llama Guard 2 (8B) 的许可条款是什么？
A5：虽然具体的许可细节尚未公开披露，但预计 Llama Guard 2 (8B) 将可用于商业和非商业用途，但须遵守 Meta 的标准条款和条件。

API 操练场（Playground）

集成前，请在沙盒环境中测试所有 API 模型。我们提供 300 多个模型供您集成到应用中。

免费试用

一个 API
300多个人工智能模型

节省20%的费用