holistic-ai
由ProtectAI开发的基于distilroberta-base的微调模型，专门用于检测大语言模型（LLM）的拒绝响应，能够准确区分正常输出和拒绝内容，为内容审核提供高效解决方案。
protectai
基于DeBERTa-v3-base微调的提示词注入检测模型，用于识别可能操纵语言模型的恶意提示词
这是MoritzLaurer/roberta-base-zeroshot-v2.0-c模型的ONNX格式转换版本，适用于零样本分类任务。
这是将 lakshyakh93/deberta_finetuned_pii 模型转换为 ONNX 格式的版本，用于识别文本中的个人身份信息 (PII)。
这是 gyr66/bert-base-chinese-finetuned-ner 模型的 ONNX 格式转换版本，用于中文命名实体识别任务。
基于distilroberta-base微调的文本分类模型，用于识别大语言模型生成的拒绝回复
这是 fmops/distilbert-prompt-injection 模型的 ONNX 格式转换版本，用于检测提示注入攻击。
基于DeBERTa-v3微调的提示注入检测模型，用于识别恶意提示输入
这是papluca/xlm-roberta-base-language-detection模型的ONNX格式转换版本，用于多语言文本分类任务，支持20种语言的检测。
这是dslim/bert-base-NER模型的ONNX格式版本，用于命名实体识别任务，能够识别四种实体类型：地点、组织、人物和杂项。
这是deepset/deberta-v3-base-injection模型转换为ONNX格式的版本，用于检测提示注入攻击。
Transformers英语%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)