NeMo Guardrails
Kit de herramientas para añadir barreras de seguridad y de comportamiento programables a aplicaciones conversacionales impulsadas por LLM.
- Mantenimiento activo
- Bien documentado
- Licencia permisiva
Descripción general
NeMo Guardrails permite a un equipo definir reglas sobre lo que una aplicación impulsada por LLM debe y no debe hacer —mantenerse en el tema, evitar cierto contenido, seguir un flujo de conversación específico— usando un lenguaje de modelado dedicado, y hace cumplir esas reglas en torno al LLM subyacente sin importar qué modelo se use. Esto añade una capa de previsibilidad sobre un modelo inherentemente impredecible.
NeMo Guardrails encaja en equipos que despliegan aplicaciones LLM que necesitan límites de comportamiento fiables, complementando frameworks LLM generales como LangChain y Haystack (también en este catálogo) al añadir una capa de seguridad y control alrededor de cualquier modelo o pipeline que esos frameworks orquesten.
Por qué está en este catálogo
Valoración del catálogo: ★★★☆☆ (3/5)
LLM safety/guardrails toolkit, a genuinely distinct niche within a saturated ai category.
- Emergente
- Respaldado por un proveedor
- Categorías
- IA y Machine Learning
- Palabras clave
- llm-safetyguardrailsconversational-ai
- Lenguajes
- Python
- Licencia
- Apache-2.0
Proyectos relacionados
Milvus
Apache-2.0Base de datos vectorial de código abierto construida para búsqueda de similitud escalable y aplicaciones de IA.
Mantenimiento activo
- IA y Machine Learning
- Base de datos
MLflow
Apache-2.0Plataforma de código abierto para gestionar el ciclo de vida del machine learning: seguimiento de experimentos, empaquetado de modelos, versionado y despliegue.
Mantenimiento activo
- IA y Machine Learning
PyTorch
BSD-3-ClauseFramework de machine learning de código abierto que acelera el camino desde el prototipado en investigación hasta el despliegue en producción.
Mantenimiento activo
- IA y Machine Learning
Qdrant
Apache-2.0Base de datos vectorial y motor de búsqueda de similitud para construir aplicaciones de IA con embeddings.
Mantenimiento activo
- IA y Machine Learning
- Base de datos
¿Encontraste un error? Sugiere una edición en GitHub.