转载

OpenAI 的检查内容策略

适度

概述

审查端点是一种工具，可用于检查内容是否符合 OpenAI 的使用策略。因此，开发人员可以识别我们的使用策略禁止的内容并采取行动，例如通过过滤。

这些模型分为以下类别：

类别	描述
`hate`	表达、煽动或宣扬基于种族、性别、民族、宗教、国籍、性取向、残疾状况或种姓的仇恨的内容。
`hate/threatening`	仇恨内容，还包括对目标群体的暴力或严重伤害。
`self-harm`	宣扬、鼓励或描绘自残行为（例如自杀、割伤和饮食失调）的内容。
`sexual`	旨在引起性兴奋的内容，例如对性活动的描述，或宣传性服务（不包括性教育和健康）的内容。
`sexual/minors`	包含未满 18 周岁的个人的色情内容。
`violence`	宣扬或美化暴力或歌颂他人遭受苦难或羞辱的内容。
`violence/graphic`	以极端血腥细节描绘死亡、暴力或严重身体伤害的暴力内容。

在监视 OpenAI API 的输入和输出时，可以免费使用审查终结点。我们目前不支持监控第三方流量。

我们一直在努力提高分类器的准确性，特别是致力于改进、和内容的分类。我们对非英语语言的支持目前有限。hateself-harmviolence/graphic

快速入门

若要获取一段文本的分类，请向审查终结点发出请求，如以下代码片段所示：

示例：获取审核

curl https://api.openai.com/v1/moderations \
  -X POST \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{"input": "Sample text goes here"}'

下面是终结点的示例输出。它返回以下字段：

flagged：如果模型将内容分类为违反 OpenAI 的使用策略，则设置为。truefalse
categories：包含每个类别的二进制使用策略冲突标志的字典。对于每个类别，该值为模型将相应类别标记为违反，否则。truefalse
category_scores：包含模型输出的每个类别原始分数的字典，表示模型对输入违反 OpenAI 类别策略的置信度。该值介于 0 和 1 之间，其中值越高表示置信度越高。分数不应被解释为概率。

{
  "id": "modr-XXXXX",
  "model": "text-moderation-001",
  "results": [
    {
      "categories": {
        "hate": false,
        "hate/threatening": false,
        "self-harm": false,
        "sexual": false,
        "sexual/minors": false,
        "violence": false,
        "violence/graphic": false
      },
      "category_scores": {
        "hate": 0.18805529177188873,
        "hate/threatening": 0.0001250059431185946,
        "self-harm": 0.0003706029092427343,
        "sexual": 0.0008735615410842001,
        "sexual/minors": 0.0007470346172340214,
        "violence": 0.0041268812492489815,
        "violence/graphic": 0.00023186142789199948
      },
      "flagged": false
    }
  ]
}

OpenAI 将不断升级审核端点的基础模型。因此，随着时间的推移，依赖于的自定义策略可能需要重新校准。category_scores

OpenAI接口

OpenAI 的检查内容策略

适度

概述

快速入门

相关文章

本文目录

标签

近期评论