System One 预设

预设是内置的 System One 问题：应用信号、评审和检查各自提出其中一个。下面的措辞和选项是规范的零样本定义；有训练绑定的家族会收到训练形式的问题（参见支持矩阵）。

预设目录

预设	类型	选项	阶段与输入	读取	提问方
domain	choice	14 个学科	request	当前轮次，截断	domains
fact_check	choice	FACT_CHECK_NEEDED、NO_FACT_CHECK_NEEDED	request	当前轮次，截断	fact_check
feedback	choice	SAT、NEED_CLARIFICATION、WRONG_ANSWER、WANT_DIFFERENT、NO_FEEDBACK	request	当前轮次，截断，以及它所回复的答案	user_feedbacks
jailbreak	choice	benign、jailbreak	request 或 response	完整输入；响应阶段读取答案	jailbreak
harm	choice	safe、unsafe	request 或 response	完整输入；响应阶段读取答案	不带 labels 的 safety
harm_categories	set	34 个危害类别	request 或 response	完整输入	带 labels 的 safety
pii	span	11 个个人数据标签	request	完整输入，分窗口	pii、masking
hallucination	span	unsupported	response	答案及其依据上下文	hallucination
refusal	choice	compliance、refusal	response	请求和答案	refusal、escalate 的 accept.refusal
turn_relation	choice	continue、reask、shift、return	request	当前轮次和最近 4 个轮次	turn_relation
complexity	choice	easy、medium、hard	request	当前轮次，截断	complexity
modality	choice	text、image、text_image、image_edit、speech、audio、video、video_edit	request	当前轮次，截断	modality
relevance	noul		request	请求和一个候选	context 的源和压缩
same_request	noul		request	请求和一条缓存请求	response_cache
tool_rank	choice	候选工具	request	请求	tools
tool_need	noul		request	请求	tools
answer_check	noul		response	完整的请求和答案	escalate 的 accept.systemone

学科为 biology、business、chemistry、computer science、economics、engineering、health、history、law、math、other、philosophy、physics 和 psychology。

危害类别

safety 规则的 labels 指定以下 34 个类别中的若干个，它们是 vela3 训练过的危害问题的标签：

• AEGIS 2.0（21 个）： Controlled/Regulated Substances、Copyright/Trademark/Plagiarism、Criminal Planning/Confessions、Fraud/Deception、Guns and Illegal Weapons、Harassment、Hate/Identity Hate、High Risk Gov Decision Making、Illegal Activity、Immoral/Unethical、Needs Caution、Other、PII/Privacy、Political/Misinformation/Conspiracy、Profanity、Sexual、Sexual (minor)、Suicide and Self Harm、Threat、Unauthorized Advice、Violence。
• MLCommons 危害代码（13 个）： S1（暴力犯罪）、S2（非暴力犯罪）、S3（性相关犯罪）、S4（儿童性剥削）、S5（诽谤）、S6（专业建议）、S7（隐私）、S8（知识产权）、S9（无差别武器）、S10（仇恨）、S11（自杀与自残）、S12（性内容）和 S14（代码解释器滥用）。

各家族被问到这些类别的方式：

• vela3-fast 用训练过的 34 标签 set 问题一次性回答。
• 在 request 阶段，Vela 3.0 的 d3 规格对每个类别各问一个 hazard:<label> 是/否问题，采用 vela3-lite 危害适配器训练时的形式；vela3-mini、-flash 和 -turbo 没有危害适配器，零样本回答这些问题。
• 其他模型在同一次调用中零样本回答同样的标签。

个人数据标签

PERSON、EMAIL_ADDRESS、PHONE_NUMBER、US_SSN、CREDIT_CARD、LOCATION、IP_ADDRESS、DATE_TIME、US_DRIVER_LICENSE、US_PASSPORT 和 IBAN_CODE。pii 规则的 ignore_labels 和 masking 插件的 entity_types 指定其中若干个。