Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
SGuard-v1: двухфильтровая система безопасности для LLM
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
SGuard-v1 — это отдельная модель-фильтр (2B параметров), которая проверяет входящие промпты и ответы LLM на вредоносность. Система состоит из двух компонентов: ContentFilter классифицирует контент по 5 категориям рисков, JailbreakFilter распознаёт 60 типов атак на обход защит. Модель работает снаружи основной LLM — как охранник на входе и выходе.
Простыми словами
Контент доступен только для PRO подписчиков
Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку