Ant Group ra mắt Hy3-singprobe: Công cụ giám sát an toàn AI thời gian thực

Mô tả mô hình

SingProbe là một cơ chế kiểm soát (guardrail) dạng streaming nội tại được xây dựng trên tencent/Hy3. Thay vì chạy một mô hình an toàn riêng biệt, probe gọn nhẹ này tái sử dụng các trạng thái ẩn (hidden states) của mô hình cơ sở trong quá trình tạo văn bản để chấm điểm ý định truy vấn, mức độ không an toàn của phản hồi và rủi ro ảo tưởng (hallucination) tại mỗi token. Nó chỉ làm tăng thêm dưới 0,5% thời gian giải mã (decode-time overhead).

Xem báo cáo kỹ thuật để biết phương pháp luận và kết quả đầy đủ. Mã nguồn huấn luyện có sẵn tại inclusionAI/SingProbe.

Đánh giá

Chỉ số càng cao càng tốt cho mọi thang đo. Kết quả là giá trị trung bình trên các bộ benchmark được chỉ định dưới đây.

Bắt đầu nhanh

SingProbe được hỗ trợ thông qua nhánh tích hợp SGLang hoặc nhánh tích hợp vLLM. Hãy tải probe bằng ID Hugging Face của nó khi khởi chạy máy chủ:

Các tích hợp này trả về một từ điển điểm số cho mỗi token được tạo (label_0–label_9). Hãy sử dụng chính xác cặp mô hình cơ sở/probe: tencent/Hy3 với checkpoint này.

Trích dẫn