在

出去

聊天

禁用

羊驼卫队（7B）

隆重推出 Llama Guard，这是一款先进的 LLM 模型，专注于保障人机交互安全。凭借其安全风险分类体系，Llama Guard 能够出色地识别和分类 LLM 提示和响应中的安全风险，从而确保安全可靠的通信。

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/Llama-Guard-7b',
    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/Llama-Guard-7b",
    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

API 操练场（Playground）

在集成之前，请在沙箱环境中测试所有 API 模型。

我们提供 300 多种模型供您集成到您的应用程序中。

羊驼卫队（7B）

产品详情

利用羊驼卫士 (7B) 解锁更安全的人机对话

羊驼卫队建立在强大的 羊驼2-7b 该架构是一个基于LLM的尖端模型，经过精心设计，旨在显著提升人机交互的安全性和完整性。它集成了一套复杂的安全风险分类体系，为用户提示和AI生成响应中的潜在风险分类提供了一个强大的框架。

✅ 出色的性能： Llama Guard 在 OpenAI Moderation Evaluation 数据集和 ToxicChat 等关键基准测试中，始终保持着与现有内容审核工具相当甚至更优的性能。该模型基于高质量、精心挑选的数据集进行微调，确保其在 AI 安全领域的可靠性和有效性。

🔍 综合安全风险分类

羊驼卫队能力的核心在于其 安全风险分类该基础工具提供了一种系统的方法，用于识别和分类两个关键领域中的具体安全问题，而这两个领域对于稳健的LLM管理至关重要：

提示分类：在生成人工智能响应之前，分析用户输入以检测潜在的安全风险。
响应分类：评估人工智能的输出，以确保其符合安全准则，并且不包含有害内容。

这一系统框架显著增强了该模型确保人工智能生成的对话中安全、适当的互动的能力，使其成为内容审核的宝贵工具。

🚀 LLM 主持的高级性能和微调

尽管使用了更小的数据量，Llama Guard 仍表现出 卓越的表现其准确性和可靠性通常优于现有的内容审核解决方案。其核心优势包括：

多类别分类： 能够识别内容中各种类型的风险。
二元决策评分： 提供清晰的“安全”或“不安全”评估，以便迅速采取行动。
指令微调： 这一关键流程实现了深度定制，使模型能够适应特定的任务需求和输出格式。这使得 Llama Guard 成为一款极其出色的产品。 灵活的工具 适用于各种安全相关应用。

💡 定制化和无缝适应性

指令微调的强大功能也体现在 Llama Guard 的卓越表现中。 定制化和适应性从而实现定制化的AI安全措施。用户可以：

调整分类类别： 根据具体的组织需求或行业标准调整安全分类，以实现更精确的内容审核。
简化零次或少次提示： 可与各种分类法无缝集成，无需大量再培训即可快速适应新的安全要求。

这种高度的灵活性确保了羊驼卫队能够提供 量身定制的安全措施 在各种人工智能交互用例中，增强了人机对话的整体安全性。

🌐 人工智能安全领域的开放性和协作未来

为了促进人工智能监管和安全领域的创新和集体改进， Llama Guard 模型重量数据是公开的。这种开源方式积极鼓励研究人员和开发人员：

进一步完善模型：增强其功能，并应对人机对话中新出现的安全挑战。
适应不断变化的需求：根据特定社区需求和各种使用场景定制 Llama Guard。

这种对开放式开发的承诺旨在推动在创建更安全的 AI 环境和推进 LLM 审核技术方面取得持续进展。

⚙️ 如何将 Llama Guard 应用于您的 LLM 申请

将 Llama Guard 集成到您的应用程序中可以简化流程，从而增强内容审核。虽然原文引用了特定的代码片段进行演示，但通常情况下，开发人员可以在其 LLM 应用程序中使用 Llama Guard 执行强大的内容审核任务。这通常涉及将用户提示或 AI 响应传递给模型进行安全分类。

使用示例： 将 Llama Guard 用作用户输入的预处理步骤，以过滤掉有害提示；或者用作 AI 输出的后处理步骤，以确保生成的内容安全且符合您的标准。

有关实施的更多详细信息，请在获取模型权重后参考官方文档或社区资源，以充分利用其 AI 安全功能。

❓ 常见问题解答 (FAQ)

1. Llama Guard (7B) 的设计用途是什么？

Llama Guard (7B) 是基于 Llama2-7b 构建的 LLM 模型，专门设计用于通过使用全面的安全风险分类法对用户提示和 AI 响应中的安全风险进行分类，从而增强人机对话的安全性。

2. Llama Guard 如何确保内容安全和 LLM 审核？

它采用指令调整模型和详细的安全风险分类法进行多类分类，提供二元决策分数来识别和标记不安全的内容或提示，同时执行提示和响应分类。

3. 我可以自定义 Llama Guard 的安全准则和分类吗？

是的，通过指令微调，Llama Guard 可以对分类类别进行大幅度自定义，并支持零次或少次提示，使其能够高度适应各种安全要求和使用场景。

4. Llama Guard 的模型是否可供公众使用或研究？

是的，Llama Guard 模型权重是公开提供的，旨在鼓励研究人员和开发人员进一步改进和调整模型，从而促进 AI 安全性和审核实践的持续改进。

5. Llama Guard 与其他内容审核工具相比如何？

尽管数据量相对较低，但 Llama Guard 表现出卓越的性能，在 OpenAI Moderation Evaluation 和 ToxicChat 等关键基准测试中，其准确性和可靠性与现有的内容审核解决方案相当甚至更高。

信息来源： 原文：羊驼卫队 (7B) 描述

了解如何利用 AICC API 实现公司转型

探索如何利用 AICC API 革新您的业务！解锁强大的工具，实现流程自动化、增强决策能力并打造个性化的客户体验。

联系销售

一个 API
300多个人工智能模型

节省20%的费用