/ Модель

Характеристики

Контекст
512 токенов
Параметры
77,5 млн
Лицензия
Llama 4
Архитектура
deberta-v2 · dense
Базовая модель
Llama-Prompt-Guard-2-22M
Опубликована
20 мая 2025

Llama-Prompt-Guard-2-22M-onnx

Классификация текстаТекст → label3 профессии

Квантованный ONNX-классификатор выявляет jailbreak-промпты и попытки обхода защитных инструкций LLM.

4 051скачиваний за 30 дней2лайкавеса обновлены7 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это экспортированная в ONNX и квантованная версия классификатора Meta Llama-Prompt-Guard-2-22M, опубликованная gravitee-io. Модель использует архитектуру DeBERTa-v2 и предназначена для классификации текста с целью выявления jailbreak-промптов и попыток обойти инструкции безопасности LLM. Она принимает текст и выдаёт метки классов; поддерживает английский, французский, немецкий, хинди, итальянский, португальский, испанский и тайский языки. Размер модели по метаданным — 77,5 млн параметров, контекст — 512 токенов.

Репозиторий содержит ONNX-формат для запуска через ONNX Runtime. В README приведены результаты оценки на наборе jackhhao/jailbreak-classification: для квантованной версии указаны точность 0,9579, precision 0,9967 и recall 0,9204. Эти результаты относятся к описанному набору данных и не гарантируют качество на иных типах атак. Указана лицензия Llama 4; применяйте модель в соответствии с её условиями.

Сценарии применения

  • фильтрация jailbreak-промптов на входе LLM
  • обнаружение попыток обойти системные инструкции
  • классификация текстовых запросов по признаку угрозы безопасности
  • проверка промптов в шлюзе или приложении с LLM

Ограничения

Контекст ограничен 512 токенами. Приведённые метрики получены на одном наборе данных и не гарантируют сопоставимую точность на других промптах и атаках.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-Prompt-Guard-2-22M-onnx

This repository provides a ONNX converted and quantized version of meta-llama/Llama-Prompt-Guard-2-22M

🧠 Built With

📥 Evaluation Dataset

We use jackhhao/jailbreak-classification for the evaluation (train+test)

🧪 Evaluation Results

ModelAccuracyPrecisionRecallF1 ScoreAUC-ROC
Llama-Prompt-Guard-2-22M0.95640.98880.92490.95580.9234
Llama-Prompt-Guard-2-22M-q0.95790.99670.92040.94490.9180
Llama-Prompt-Guard-2-86M0.98010.99840.96250.98010.9519
Llama-Prompt-Guard-2-86M-q0.89891.00000.80180.890.7452

🤗 Usage

from transformers import AutoTokenizer
from optimum.onnxruntime import ORTModelForSequenceClassification
import numpy as np

# Load model and tokenizer using optimum
model = ORTModelForSequenceClassification.from_pretrained("gravitee-io/Llama-Prompt-Guard-2-22M-onnx", file_name="model.quant.onnx")
tokenizer = AutoTokenizer.from_pretrained("gravitee-io/Llama-Prompt-Guard-2-22M-onnx")

# Tokenize input
text = "Your comment here"
inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True)

# Run inference
outputs = model(**inputs)
logits = outputs.logits

# Optional: convert to probabilities
probs = 1 / (1 + np.exp(-logits))
print(probs)

🐙 GitHub Repository:

You can find the full source code, CLI tools, and evaluation scripts in the official GitHub repository.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForSequenceClassification
Ревизия весов
da68d0f

0 моделей