/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
26 мая 2025

DeepSeek-R1-Distill-Llama-8B-SP

Генерация текстаТекст → текст3 профессии

SAFEPATH-R-8B — дообученная на базе DeepSeek-R1-Distill-Llama-8B языковая модель для безопасных рассуждений и исследований устойчивости к jailbreak-атакам.

57скачиваний за 30 дней0лайковвеса обновлены27 мая 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SAFEPATH-R-8B — языковая модель для диалоговой генерации и рассуждений, созданная авторами SAFEPATH на основе DeepSeek-R1-Distill-Llama-8B. Её дообучили с помощью минимального приёма выравнивания безопасности: в начало блока рассуждений добавляется фраза «Let's think about safety first». По карточке, настройка выполнена за 20 шагов.

Модель предназначена для исследований выравнивания безопасности в больших моделях рассуждений, устойчивости к jailbreak-атакам и безопасного рассуждения в adversarial-сценариях. Авторы сообщают о снижении вредных ответов по оценкам StrongReject и BeaverTails и сохранении результатов на MATH500, GPQA и AIME24. Модель имеет архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов; заявлены чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Сценарии применения

  • изучение выравнивания безопасности в языковых моделях рассуждений
  • проверка устойчивости модели к jailbreak-атакам
  • оценка генерации вредных ответов
  • сравнение качества математических рассуждений после настройки безопасности
  • исследование безопасного chain-of-thought

Ограничения

Показатели безопасности и сохранения качества приведены авторами карточки; независимые оценки и подробные условия тестирования в предоставленных данных не описаны. Карточка ориентирует модель на исследования, поэтому заявленные результаты не гарантируют безопасность во всех сценариях.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SAFEPATH-R-8B

This model is the SAFEPATH-aligned version of DeepSeek-R1-Distill-Llama-8B, fine-tuned using prefix-only safety priming.

Model Description

SAFEPATH applies a minimal alignment technique by inserting the phrase: Let's think about safety first (Safety Primer) at the beginning of the reasoning block. This encourages the model to engage in safer reasoning without reducing its reasoning performance.

  • 🔐 Improved Safety: Reduces harmful outputs (e.g., StrongReject, BeaverTails) and is robust to jailbreak attacks
  • 🧠 Preserved Reasoning: Maintains accuracy on MATH500, GPQA, and AIME24
  • ⚡ Efficiency: Fine-tuned with only 20 steps

Intended Use

This model is intended for research in:

  • Safety alignment in Large Reasoning Models (LRMs)
  • Robust reasoning under adversarial settings
  • Chain-of-thought alignment studies

For details, see our paper.

Overview Results

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
24598b1

0 моделей