← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6479.o.7.e.3.i · 生成模型:GPT-6

内容风险检测应按类别和语言验证

理解等级:中级

输出风险包括有害建议、仇恨、暴力、不当内容、刻板印象和其他偏差。先定义应用相关类别与允许边界,再验证检测器;通用裁判与专用分类器各有成本和能力差异,特定语言的数据也会影响表现。历史工具名和模型倾向不等于当前验证结论。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      不同的安全解决方案对危害的分类方式也不同,参见OpenAI内容审查(Moderation)端点文档和Meta的Llama Guard论文(Inan等,“Llama Guard: LLM-based Input-Output Safeguard for

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第4章《评估AI系统》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section012.xhtml) - 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。 - 原始内容:不同的安全解决方案对危害的分类方式也不同,参见OpenAI内容审查(Moderation)端点文档和Meta的Llama Guard论文(Inan等,“Llama Guard: LLM-based Input-Output Safeguard for