शोधकर्ताओं ने HaloGuard 1.0 प्रस्तुत किया, जो बहुभाषा इनपुट की सुरक्षा को बेहतर बनाने के लिए डिज़ाइन किए गए संवैधानिक-वर्गीकारक पैराडाइम का एक खुले-वजन कार्यान्वयन है। मॉडल सिंथेटिक डेटा उत्पादन को चलाने और बहुभाषी इनपुट को संभालने के लिए 46 नीतियों और 2,940 उपश्रेणियों वाले प्राकृतिक-भाषा संविधान का उपयोग करता है।
- HaloGuard 1.0-0.8B सात प्रॉम्प्ट-सुरक्षा बेंचमार्क्स पर 90.7 की औसत F1 स्कोर प्राप्त करता है, 4.3 के फ़ॉल्स-पॉजिटिव दर और 9.5 के फ़ॉल्स-नेगेटिव दर को बनाए रखते हुए 27B पैरामीटर तक के बेलाइन से बेहतर प्रदर्शन करता है।
- बड़ा HaloGuard 1.0-4B वेरिएंट 3.5 के फ़ॉल्स-पॉजिटिव दर के साथ 92.1 की औसत F1 स्कोर प्राप्त करता है, रिकॉल पर प्राथमिकता देने के बजाय सटीकता को प्राथमिकता देता है।
- प्रशिक्षण कॉर्पस फ़ॉल्स पॉजिटिव को कम करने के लिए विषय और शब्दावली को स्थिर रखते हुए इरादे को उलटने वाले व्यापक एक-से-एक युग्मित काउंटरफैक्चुअल्स का उपयोग करता है।
- बहुभाषी मटीरियलाइजेशन भाषा को एक आक्रामक संकेत के बजाय 46 भाषाओं में एक सतह रूप के रूप में मानता है।
रिलीज़ एक अत्यधिक कुशल, ओपन-सोर्स गार्ड मॉडल प्रदान करती है जो स्टेट-ऑफ़-द-आर्ट बहुभाषी सुरक्षा प्रदर्शन के लिए आवश्यक पैरामीटर गिनती को काफी कम कर देता है।