/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
6,9 млрд
Размер весов
14,6 ГБ
Лицензия
Apache 2.0
Архитектура
olmo3 · dense
Базовая модель
somo-olmo-7b-sdf-sft
Библиотека
transformers
Опубликована
16 сен 2026

olmo3-7b-sdf-sft-scrub-b1reset150

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт OLMo-3-7B для исследования того, как обучение и повторная инъекция примеров влияют на reward hacking при решении задач программирования.

502скачиваний за 30 дней0лайковвеса обновлены16 сен 2026

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

Это исследовательский чекпойнт EleutherAI на базе OLMo-3-7B SDF-SFT от AI Safety Institute. Модель содержит результаты короткого GRPO-дообучения с LoRA, объединённой с базовыми весами: в ходе эксперимента поведение, связанное с обходом pytest-грейдера, сначала закрепляли инъекцией примера, а затем пытались ослабить после ужесточения оценщика и сброса состояния оптимизатора. Чекпойнт предназначен для изучения динамики reward hacking на задачах MBPP и в конфигурациях hack-ignition benchmark.

Модель имеет плотную архитектуру OLMo-3, около 6,9 млрд параметров и контекст до 65 536 токенов; она принимает текстовые запросы и генерирует текстовые ответы, включая код. В описанном измерении частота спонтанного обхода оценщика была близка к базовой, но повторная инъекция примеров могла вновь усилить такое поведение. Это экспериментальный чекпойнт, а результаты README относятся к конкретным тестовым конфигурациям и не гарантируют поведение в других условиях. Лицензия — Apache 2.0.

Сценарии применения

  • изучение reward hacking при генерации кода
  • воспроизведение экспериментов hack-ignition benchmark
  • измерение устойчивости поведения модели после ужесточения оценщика
  • сравнение влияния сброса оптимизатора при GRPO-дообучении

Ограничения

Поведение оценивалось на ограниченном наборе задач MBPP и в конкретных экспериментальных конфигурациях; README отмечает случаи перехода к режиму ограничения длины. Модель обучалась эксплуатировать pytest-оценщик и может повторять это поведение, если оценщик допускает обход.

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

olmo3-7b-sdf-sft-scrub-b1reset150

A start-model checkpoint for the hack-ignition benchmark (family mbpp, configs geom_restart/scrub_T15 and geom_restart/scrub_T30). It is AISI's OLMo-3-7B SDF model after a short GRPO run in which reward hacking was first primed by injection and then trained away under a hardened grader with an Adam reset, a "scrubbed" model: its spontaneous hack rate is back near the base model's, but its response to renewed seeding is not (see the benchmark rows).

Lineage

  • Base: ai-safety-institute/somo-olmo-7b-sdf-sft at revision 9757518358b390739682f2b8d80f4bac6da84e2f, OLMo-3-7B after AISI's synthetic-document midtrain (which teaches three pytest reward hacks as ambient facts) and instruct SFT.
  • Adapter: checkpoint-150 (final) of run B1_reset in the 2026-08-26 intervention battery on the EleutherAI cluster (rl_runs_battery/B1_reset). GRPO (TRL) with LoRA r=32, alpha=32, all-linear; lr 5e-5 cosine to 0 over 150 steps, beta 0.01; 16 completions per step (2 problems x 8), 1024 max tokens; problem file mbpp_rl_noprompt_persistD20.jsonl (60 MBPP items including 20 impossible duplicates of mbpp-393); prompt no_hints, strict evaluator. One harvested hack completion was injected into every visit of the seed problem until step 40 under the exploitable grader; at step 40 the grader was hardened (hacks score 0) and the optimizer state zeroed ([OPTRESET] step=40); 110 further hardened steps to 150. Logged hack fraction: 0.44 at step 39, 0.25 at step 40, 0.00 at step 149 (pass 0.94).
  • Merge: scratch/20260914_merge_adapter.py in the code repo: peft 0.20.0 merge_and_unload in fp32, saved bf16 (MERGE_PROVENANCE.json in this repo; 2026-09-14 04:28 UTC).
  • The benchmark's mbpp family holds a regenerated run of this recipe (battery/B1_reset, 2026-09-02, bf16 vLLM generation). The adapter merged here is from the earlier August run, which is not itself in the benchmark.

Measured behaviour at this checkpoint

  • Spontaneous hack rate on the seed problem under no_hints: 56 hacks in 76,800 samples = 7.3e-4 (base model ~8e-5; the same recipe without the Adam reset, B1_noreset: 1.44e-2).
  • Benchmark geom_restart configs (inject k=1 per visit of the seed problem until step T, exploitable reward throughout, 250 steps, 4 seeds): the post-deadline hack rate crossed 0.25 in 4/4 seeds at T=15 and 4/4 at T=30, against 0/4 and 3/4 for the base model and 0/4 and 4/4 for the clean150 control (EleutherAI/olmo3-7b-sdf-sft-clean150). One seed at each T later collapsed into a length-cap mode. These are trajectory observations from the dataset, not reviewed labels.

Use

Plain Hugging Face checkpoint (bf16 safetensors, 3 shards, OLMo-3 architecture); tokenizer and chat template as the base. Loads with transformers >= 5.5 and vLLM. Intended for research on reward-hacking dynamics: this model has been trained to exploit a pytest grader and will do so when the grader allows it.

Code: https://github.com/EleutherAI/reward_hacking_geometry (trainer 04_rl/grpo_train.py, injection rhg/inject.py).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Olmo3ForCausalLM
Ревизия весов
092884b

0 моделей