Granite Guardian
AssessNền tảng
Bộ phân loại nhỏ của Red Hat dùng cho an toàn nội dung và kiểm tra guardrail.
Vì sao ở đây
Xếp vào Assess: 1 bài bằng chứng từ 1 nguồn, chủ yếu là tin nghiên cứu, 1 bài trong 30 ngày qua. Độ tin cậy 24%. Bằng chứng còn ít nên xếp thận trọng, chờ thêm tín hiệu.
Bằng chứng (1)
- 7The New Stack·5/10/2026researchRed Hat kiểm tra các guardrail AI và phát hiện bộ phân loại nhỏ gần bắt kịp mô hình 35B
Đội AI Safety của Red Hat đã so sánh ba hướng xây dựng guardrail gồm bộ phân loại, LLM làm giám khảo và decision model trên cùng bộ benchmark NeMo Guardrails. Một bộ phân loại DeBERTa khoảng 200 triệu tham số gần như bắt kịp Qwen3.6-35B ở bài prompt injection nhưng có độ trễ thấp hơn nhiều, trong khi Jev và các decision model khác cho kết quả tốt hơn ở bài content safety.