Casdo Labs 开源 Tiger Guard:308M/141M 本地内容审核模型

PatronusProtect · reddit · 2026-11-19

Casdo Labs 团队发布开源内容审核模型 Tiger Guard,Apache-2.0 协议,提供 308M 和 141M 两个版本,均支持英语和德语,权重和推理代码已上架 Hugging Face。接口很简单:文本进,SAFE/UNSAFE 分数出。

团队分享了三个集成时的关键细节:

模型检测辱骂语言和有害请求/回复,不是 prompt injection 检测器或授权层。模型卡含阈值表和各语言误报率。完整训练与数据集管线将在后续发布。

原文链接 →

「安全」频道最新

更多「安全」频道 AI 资讯 →