Text Generation
PEFT
Safetensors
Chinese
English
lora
traditional-chinese
ic-design
content-moderation
data-loss-prevention
Instructions to use GOSHUNCLE/ic_content_firewall_zh with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- PEFT
How to use GOSHUNCLE/ic_content_firewall_zh with PEFT:
from peft import PeftModel from transformers import AutoModelForCausalLM base_model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen2.5-1.5B-Instruct") model = PeftModel.from_pretrained(base_model, "GOSHUNCLE/ic_content_firewall_zh") - Notebooks
- Google Colab
- Kaggle
Update README.md
Browse files
README.md
CHANGED
|
@@ -86,7 +86,7 @@ print(result)
|
|
| 86 |
2. **Provenance check**:機敏實體的 `value` 必須**逐字出現在原文**,防止幻覺
|
| 87 |
3. **使用者規則層**(外掛,在 [demo Space](https://huggingface.co/spaces/GOSHUNCLE/ic_content_firewall_zh_demo) 提供):使用者可自訂字典與正則,補強 LLM 不擅長記住的「已知名單」(如客戶清單、供應商名單、內部專案代號)。規則層僅補強 entity 與 cat,**不改變 risk_level**。
|
| 88 |
|
| 89 |
-
### 限制
|
| 90 |
|
| 91 |
- 訓練資料皆為**合成**,未使用任何真實公司資料
|
| 92 |
- Holdout 與訓練集同分佈,對真實業界口語的泛化能力**未經實測**
|
|
|
|
| 86 |
2. **Provenance check**:機敏實體的 `value` 必須**逐字出現在原文**,防止幻覺
|
| 87 |
3. **使用者規則層**(外掛,在 [demo Space](https://huggingface.co/spaces/GOSHUNCLE/ic_content_firewall_zh_demo) 提供):使用者可自訂字典與正則,補強 LLM 不擅長記住的「已知名單」(如客戶清單、供應商名單、內部專案代號)。規則層僅補強 entity 與 cat,**不改變 risk_level**。
|
| 88 |
|
| 89 |
+
### 限制
|
| 90 |
|
| 91 |
- 訓練資料皆為**合成**,未使用任何真實公司資料
|
| 92 |
- Holdout 與訓練集同分佈,對真實業界口語的泛化能力**未經實測**
|