Jailbreak Classifier

🚀 越獄分類器

本項目可將提示語分類為越獄提示或良性提示。它是在 jailbreak-classification 數據集上對 bert-base-uncased 進行微調後的檢查點。

🚀 快速開始

該越獄分類器可有效識別提示語是否為越獄提示，保障系統安全。

✨ 主要特性

• 能夠準確地將提示語分類為越獄提示或良性提示。
• 基於微調後的 bert-base-uncased 模型，具有較好的性能。

📚 詳細文檔

訓練詳情

訓練數據

在 jailbreak-classification 數據集上進行微調。

訓練過程

訓練超參數

微調的超參數如下：

• 學習率（learning_rate） = 5e-5
• 訓練批次大小（train_batch_size） = 8
• 評估批次大小（eval_batch_size） = 8
• 學習率調度器類型（lr_scheduler_type） = linear
• 訓練輪數（num_train_epochs） = 5.0

📄 許可證

本項目採用 Apache-2.0 許可證。