گاردریل‌های امنیتی

مجموعه‌ای از محدودیت‌ها و قوانین تعریف شده برای جلوگیری از تولید محتوای مضر یا رفتارهای غیرمنتظره در مدل‌های زبانی بزرگ. این مکانیزم‌ها باعث می‌شوند خروجی‌های سیستم در چارچوب‌های اخلاقی و امنیتی باقی بمانند.