全部 skill

NVIDIA 的 LLM 应用运行时安全框架。特性：越狱检测、输入/输出验证、事实核查、幻觉检测、PII 过滤、毒性检测。用 Colang 2.0 DSL 写可编程护栏。生产就绪，跑在 T4 GPU。

Anthropic 经自我改进训练无害 AI 的方法。两阶段——带自批判/修订的监督学习，然后 RLAIF（RL from AI Feedback）。用于安全对齐、无需人类标注减少有害输出。驱动 Claude 的安全系统。

Meta 的 7-8B 专用审核模型，过滤 LLM 输入/输出。6 类安全——暴力/仇恨、性内容、武器、物质、自残、犯罪策划。准确率 94-95%。用 vLLM、HuggingFace、Sagemaker 部署。与 NeMo Guardrails 集成。

Meta 的 86M 提示注入与越狱检测器。为 LLM 应用过滤恶意提示与第三方数据。TPR 99%+、FPR <1%。快（<2ms GPU）。多语言（8 种）。用 HuggingFace 或批量处理做 RAG 安全。