Responsible AI 工具包

用于以负责任的方式设计、构建和评估开放式 AI 模型的工具和指南。

“对齐模型”图标

负责任的应用设计

定义模型行为规则，创建安全且负责任的应用，并保持与用户之间的透明沟通。
“对齐模型”图标

安全对齐

探索提示调试技巧和指南，以便进行微调和 RLHF，使 AI 模型与安全政策保持一致。
“评估”图标

模型评估

使用 LLM 比较工具查找相关指导和数据，对模型的安全性、公平性和真实性进行可靠的评估。
框架灵活

保护措施

使用现成的解决方案部署安全分类器，或通过分步教程自行构建安全分类器。

设计负责任的方法

主动识别应用的潜在风险，并定义系统级方法，为用户打造安全且负责任的应用。

开始使用

定义系统级政策

确定您的应用应该和不应该生成的内容类型。

安全设计

考虑技术和业务方面的权衡因素，确定实施风险缓释技术的总体方法。

公开透明

利用模型卡片等工件来传达您的方法。

安全的 AI 系统

考虑安全 AI 框架 (SAIF) 中突出显示的 AI 特有的安全风险和补救方法。

对齐模型

使用提示和调优方法使您的模型与您的特定安全政策保持一致。

开始使用

调查模型提示

使用 Learning Interpretability Tool (LIT) 进行迭代改进，构建安全实用的提示。

调整模型以确保安全

根据安全和内容政策调整模型，以控制模型行为。

评估模型

使用我们的指导和工具，评估模型在安全性、公平性和事实准确性方面的风险。

开始使用

LLM Comparator

使用 LLM 比较工具进行并排评估，以定性评估不同模型之间的回答差异、同一模型的不同提示，甚至是模型的不同调优

模型评估指南

了解红队判研最佳做法，并根据学术基准评估您的模型，从而评估在安全性、公平性和事实性方面的危害。

使用保护措施进行保护

过滤应用的输入和输出，并保护用户免受意外结果的影响。

开始使用

ShieldGemma

一系列基于 Gemma 2 构建的内容安全分类器，提供三种大小：2B、9B、27B。

敏捷分类器

使用参数高效调优 (PET)，只需相对较少的训练数据，即可为您的特定政策创建安全分类器

文字审核服务

借助此 Google Cloud Natural Language API，它可在低于特定用量限额的情况下免费使用，从而检测安全属性列表，包括可能被视为敏感的各种潜在有害类别和主题。

Perspective API

识别“恶意”评论功能。