Skip to main content

aiml-aegis-content-safety

ISC template for AI Safety & ML. Target-parametrized schema (target_category + text) classified by KoalaAI/Text-Moderation (OpenAI moderation-compatible 9-way: H/H2/HR/OK/S/S3/SH/V/V2). Replaces gated nvidia/Aegis-AI-Content-Safety-LlamaGuard-Defensive-1.0 (404 on config, requires LlamaGuard-7b base which is also gated). Probe confirms clean signal on V (violence), S (sexual), H (hate), SH (self-harm). HR (harassment) and criminal-planning route to OK at default — Literal restricts target_category to the covered four. ISC direction: test case names its target harm category, agent writes content that the classifier argmax-matches. Probe-verified violence anchor in v3_fewshot. Keywords: aiml_aegis, content safety, OpenAI moderation, V/S/H/SH, ISC, TVD.

الانتقال إلى التثبيت

معلومات المصدر

المستودع
wuyoscar/ISC-Bench
آخر نشاط في المصدر
٢٤ أبريل ٢٠٢٦ في ٠٧:٠٦
لغة SKILL.md المكتشفة
الإنجليزية
النجوم
٧٧٧
التفرعات
١١٩

خيارات التثبيت

يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.

مراجعة ملفات المصدر

اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.