实体
GLiNER2
GLiNER2
PulseAugur coverage of GLiNER2 — every cluster mentioning GLiNER2 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的Opir模型为LLM提供高效的多任务安全分类
研究人员推出Opir，这是一系列新的基于编码器的护栏模型，专为大型语言模型应用中的高效多任务安全分类而设计。Opir模型基于GLiClass架构构建，能够检测不安全提示、有毒语言、越狱尝试和有害内容，其部署占用的空间比大型护栏模型小得多。这些模型在全面的分类法上进行了训练，并与评估工具一起开源，以支持各种安全分类任务。
-
GLiNER Guard 在单次推理中统一LLM安全与PII检测
一个名为GLiNER Guard (GLiGuard) 的新系统已被开发出来，用于简化大型语言模型的安全审核和PII检测。这个统一的编码器将多个分类器和NER模型折叠到一次前向传播中，与现有的自回归或碎片化编码器方法相比，显著降低了处理时间和成本。GLiGuard的模式驱动接口允许在不重新训练的情况下动态更改策略，使其成为生产LLM应用程序的更高效解决方案。
-
新的GLiNER2-PII模型在多语言PII提取方面表现出色
研究人员开发了GLiNER2-PII，一个紧凑的0.3十亿参数模型，用于多语言个人身份信息（PII）提取。该模型改编自GLiNER2，能够识别42种不同类型的PII，并达到字符跨度级别。为了克服数据稀缺和隐私问题，使用了一个受约束的生成管道创建了一个合成多语言语料库。与包括OpenAI的Privacy Filter在内的其他系统相比，GLiNER2-PII在SPY基准测试中表现出优越的性能，并且已在Hugging Face上发布。