# 有害コンテンツフィルタリング

自然言語とプログラミング言語のテキストデータ品質を自動評価するモデルで、統一モデルと独立モデルの2つのソリューションを提供します。

Llama-3-8B-Instruct-RRはLlama-3をベースとしたモデルで、表現再ルーティング（RR）技術を用いて遮断器を挿入し、有害コンテンツの生成を減らしながらモデルの能力を維持することを目的としています。

多様なデータセットで訓練された対話モデル、中国語インタラクションをサポート、非商用シナリオに適応

モデルに依存しないプラグアンドプレイモジュールで、オープンソースおよびAPIベースのモデルに適用可能。残差補正戦略によりAI安全性を強化

BeaverはAlpacaモデルを基に、Safe-RLHF技術を使用して訓練されたチャットアシスタントで、大規模言語モデルの安全性研究に焦点を当てています。