知识卡片
内容风险检测应按类别和语言验证
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?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 评估AI系统
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