内容审核 Moderation

审核端点是一种工具，可用于检查内容是否符合 OpenAI 的使用政策。因此开发人员可以识别我们的使用政策禁止的内容并采取行动，例如过滤它。

概述

这些模型将以下类别分类：

类别	说明
`hate`	基于种族、性别、民族、宗教、国籍、性取向、残疾状况或种姓表达、煽动或促进仇恨的内容。
`hate/threatening`	仇恨内容还包括对目标群体的暴力或严重伤害。
`self-harm`	提倡、鼓励或描述自残行为(例如自杀、割伤和饮食失调)的内容。
`sexual`	意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 18 岁以下个人的色情内容。
`violence`	宣扬或美化暴力或颂扬他人的痛苦或屈辱的内容。
`violence/graphic`	以极端的画面细节描绘死亡、暴力或严重身体伤害的暴力内容。

在监控 OpenAI API 的输入和输出时，可以免费使用审核端点。我们目前不支持监测第三方流量。

我们一直在努力提高分类器的准确性，尤其是在改进“仇恨”、“自残”和“暴力/血腥”内容的分类。我们对非英语语言的支持目前有限。

快速开始

要获取一段文本的分类，请向 moderation endpoint 发出请求，如以下代码片段所示：

bash

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"}'

下面是端点的示例输出。它返回以下字段：

flagged：如果模型将内容分类为违反 OpenAI 的使用政策，则设置为 true，否则设置为 false。
categories：包含每个类别的二进制使用策略违规标志的字典。对于每个类别，如果模型将相应类别标记为违规，则该值为“true”，否则为“false”。
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 类别策略的信心。该值介于 0 和 1 之间，其中较高的值表示较高的置信度。分数不应解释为概率。

json

{
  "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底层模型。因此，依赖于 category_scores 的自定义策略可能需要随着时间的推移重新校准。