# 有害內容過濾

自動評估自然語言和編程語言文本數據質量的模型，提供統一模型和獨立模型兩種方案。

Llama-3-8B-Instruct-RR是一款基於Llama-3的模型，採用表徵重路由（RR）技術插入斷路器，旨在減少有害內容生成的同時保持模型能力。

一個與模型無關的即插即用模塊，適用於開源和基於API的模型，採用殘差校正策略增強AI安全性

Beaver是基於Alpaca模型，使用Safe-RLHF技術訓練的聊天助手，專注於大語言模型的安全性研究。