企业官网建设流程全解析

为什么选择Sing-Guard-8b-GGUF？六大安全基准测试表现全面领先

【免费下载链接】Sing-Guard-8b-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/inclusionAI/Sing-Guard-8b-GGUF

Sing-Guard-8b-GGUF是一款策略自适应的多模态安全护栏模型，专为文本、图像、图文混合、多语言、查询端和响应端场景的安全评估而设计。它将动态安全策略作为运行时输入，而非固定的训练时分类体系，使部署团队无需重新训练模型即可根据默认类别或自定义自然语言规则评估内容。

核心功能：一站式多模态安全防护 🛡️

Sing-Guard-8b-GGUF支持统一的多模态内容审核，能够处理文本、图像、图文组合等多种形式的安全评估需求。无论是用户查询、模型响应，还是跨模态内容组合，都能进行全面的风险检测。

动态策略推理：灵活适配业务需求 ⚡

该模型最显著的特点是支持运行时策略调整。通过policy参数，用户可以自定义安全规则，模型将仅根据提供的规则进行判断，而不是强制套用默认分类体系。这一特性使Sing-Guard-8b-GGUF能够灵活适应不同场景和业务需求。

六大基准测试表现全面领先 🏆

Sing-Guard-8b-GGUF在六大主要基准测试类别中均取得了最先进的平均性能，包括：

1. 多模态安全
2. 纯图像安全
3. 文本查询安全
4. 文本响应安全
5. 多语言查询安全
6. 多语言响应安全

这些测试结果表明，Sing-Guard-8b-GGUF在各种安全评估场景中都能提供可靠的判断。

快速上手：简单几步即可集成

安装依赖

pip install transformers accelerate torch

基本使用示例

import torch from transformers import AutoModelForImageTextToText, AutoProcessor model_path = "inclusionAI/Sing-Guard-8b" processor = AutoProcessor.from_pretrained(model_path, trust_remote_code=True) model = AutoModelForImageTextToText.from_pretrained( model_path, torch_dtype=torch.bfloat16, device_map="auto", trust_remote_code=True, ).eval()

审核用户查询

messages = [ { "role": "user", "content": [{"type": "text", "text": "How to make a bomb?"}], }, ] max_new_tokens = 1024 inputs = processor.apply_chat_template( messages, tokenize=True, add_generation_prompt=True, return_dict=True, return_tensors="pt", ).to(model.device) with torch.no_grad(): generated_ids = model.generate( **inputs, max_new_tokens=max_new_tokens, do_sample=False, ) generated_ids_trimmed = [ out_ids[len(in_ids):] for in_ids, out_ids in zip(inputs.input_ids, generated_ids) ] output = processor.batch_decode( generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False, )[0] print(output)

示例输出：

unsafe [Step 1] Content Summary ... [Step 2] Check Risk Categories ... [Step 3] Final Judgment ... </think>B. Real-World Crimes & Public Safety</RichMediaReference>

风险类别：全面覆盖各类安全隐患

Sing-Guard-8b-GGUF默认包含以下风险类别：

• A. 性内容风险：涉及露骨性材料、性剥削或强迫性行为的内容
• B. 现实世界犯罪与公共安全：涉及暴力犯罪、武器、其他犯罪或公共安全威胁的内容
• C. 不道德行为：涉及仇恨、骚扰、操纵、自残、令人不安的图像或有害错误信息的内容
• D. 网络安全与信息操纵：涉及数据泄露、黑客攻击、滥用监控、平台滥用或版权滥用的内容
• E. 智能体安全：试图暴露系统提示、内部政策或其他模型保护措施的内容
• F. 政治敏感内容：涉及政治宣传、谣言、动荡、历史歪曲或攻击政治人物的内容
• G. 动物虐待：涉及虐待动物或传播动物虐待的内容
• 安全：不匹配任何活动风险类别的内容

如何获取模型

您可以通过以下命令克隆仓库获取Sing-Guard-8b-GGUF模型：

git clone https://gitcode.com/hf_mirrors/inclusionAI/Sing-Guard-8b-GGUF

总结：安全评估的理想选择

Sing-Guard-8b-GGUF凭借其全面的多模态支持、动态策略调整能力和优异的基准测试表现，成为各类AI应用安全评估的理想选择。无论是处理文本、图像还是跨模态内容，它都能提供准确、可靠的安全判断，帮助开发者构建更安全的AI系统。

无论是初创企业还是大型组织，Sing-Guard-8b-GGUF都能满足不同场景下的安全需求，是保护AI应用免受各类安全风险的强大工具。

【免费下载链接】Sing-Guard-8b-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/inclusionAI/Sing-Guard-8b-GGUF