Jailbreak Classifier

🚀 越狱分类器

本项目可将提示语分类为越狱提示或良性提示。它是在 jailbreak-classification 数据集上对 bert-base-uncased 进行微调后的检查点。

🚀 快速开始

该越狱分类器可有效识别提示语是否为越狱提示，保障系统安全。

✨ 主要特性

• 能够准确地将提示语分类为越狱提示或良性提示。
• 基于微调后的 bert-base-uncased 模型，具有较好的性能。

📚 详细文档

训练详情

训练数据

在 jailbreak-classification 数据集上进行微调。

训练过程

训练超参数

微调的超参数如下：

• 学习率（learning_rate） = 5e-5
• 训练批次大小（train_batch_size） = 8
• 评估批次大小（eval_batch_size） = 8
• 学习率调度器类型（lr_scheduler_type） = linear
• 训练轮数（num_train_epochs） = 5.0

📄 许可证

本项目采用 Apache-2.0 许可证。