Shieldstral：策略自适应的多模态安全分类器

Shieldstral以30亿参数超越近7倍大小的模型，在多模态安全分类中达到新高度，其关键在于将审核统一为二元问答任务。

• 设计思想：将内容审核形式化为“是/否”问题，兼容不同分类体系的安全数据集，实现统一训练框架。
• 数据构建：精心策划约5410万样本和细粒度评估集，确保模型对多种政策风格的适应性。
• 性能突破：在文本安全基准上匹配甚至超越更大模型，在多模态安全分类上取得最优结果。
• 实用价值：小参数量意味着更低部署成本，便于集成到实际系统中，增强AI安全可控性。
• 看点：Shieldstral证明小模型通过巧妙的任务设计和数据策略能够匹敌大模型，为安全领域的模型轻量化提供了范例。

本内容由 AI 生成，仅供参考，请注意甄别