Meta Llama Guard
Meta Llama Guard 是面向生成式 AI、模型、RAG 或 Agent 风险控制的 AI 安全工具。
分类：开源输入输出安全分类模型
公司 / 团队：Meta
详细介绍
该工具的主要能力包括面向用户提示和模型响应的安全分类、可自定义风险分类体系、文本及部分视觉版本、开源模型权重和 Llama 生态集成。
AI 安全工具的真实效果取决于模型、语言、攻击方法、上下文长度、输入模态、系统提示、RAG 数据、工具权限、部署位置、阈值、规则、版本和业务容错。详情页应把防护位置、风险类型、模态、动作、API、延迟、部署方式、数据处理、日志、评测结果和产品状态拆成动态字段维护。
适合场景
- 开源模型应用
- 输入输出审核
- 自定义安全分类
- 本地推理
- 安全研究
使用注意
- 安全分类模型本身也可能被对抗样本绕过
- 版本、参数规模、视觉支持和许可证需分别维护
- 应在目标语言和业务领域重新校准阈值
- 上线前应建立正常样本、边界样本、已知攻击、未知变体、跨语言、多模态和故障场景测试集，并完成权限审查、红队、安全评审、日志、回滚和应急预案。