Небольшая англоязычная модель на базе Llama 3.2 для классификации входящих запросов как безвредных, вредоносных или содержащих попытку jailbreak.

Подходит для: предварительная фильтрация запросов перед отправкой в LLM · выявление попыток jailbreak во входящем запросе · классификация потенциально вредоносных пользовательских запросов