DeshwalX ने कम-लैटेंसी LLM गार्डरेल्स के लिए एक मल्टी-लेबल क्लासिफायर जारी किया है, जो `google/electra-small-discriminator` (~14M पैरामीटर) का फाइन-ट्यूनिंग करके एक ही फॉरवर्ड पास में चार स्वतंत्र सुरक्षा वेक्टरों का पता लगाता है।
- माइक्रो F1: 90.00% | मैक्रो F1: 89.00%
- प्रॉम्प्ट एडवर्सरियल (जेलब्रेक्स): 1.00 F1
- रिस्पॉन्स रिफ्यूज़ल: 0.86 F1
- प्रॉम्प्ट हार्मफुल: 0.88 F1
- रिस्पॉन्स हार्मफुल: 0.81 F1
लेखक संस्करण 1 को बेहतर बनाने के लिए समुदाय की राय चाहता है, विशेष रूप से उन एज केस की मांग करता है जहां मॉडेल विफल होता है, बेंइन इनपुट पर फॉल्स पॉजिटिव के उदाहरण, और आर्किटेक्चर कॉन्फ़िगरेशन या लॉस वेट बैलेंसिंग के लिए सुझाव।