/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
DeepSeek-R1-0528
Библиотека
transformers
Опубликована
12 авг 2025

Jinx-DeepSeek-R1-0528

Генерация текстаТекст → текст

Текстовая диалоговая модель без защитных отказов для изучения сбоев выравнивания и оценки границ безопасности ИИ.

0скачиваний за 30 дней6лайковвеса обновлены12 авг 2025

Бенчмарки

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

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

Jinx-org/Jinx-DeepSeek-R1-0528 — вариант языковой модели DeepSeek-R1-0528, разработанный как «helpful-only» моделью Jinx. Она отвечает на запросы без защитных отказов и предназначена для изучения сбоев выравнивания и оценки границ безопасности моделей.

Модель сохраняет способности базовой модели к рассуждению и следованию инструкциям. Она принимает текстовые запросы и генерирует текстовые ответы в диалоговом формате; репозиторий содержит веса Safetensors для Transformers. Лицензия — Apache-2.0.

Модель может выдавать оскорбительный, спорный или социально чувствительный контент. Ответы требуют проверки человеком; заявленная область применения — исследования безопасности ИИ.

Сценарии применения

  • оценка отказов и границ безопасности языковых моделей
  • исследование сбоев выравнивания ИИ
  • сравнение поведения модели с защитными фильтрами и без них

Ограничения

Модель работает с минимальными защитными фильтрами и может генерировать оскорбительный, спорный или социально чувствительный контент. Результаты требуют тщательной проверки человеком.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Description

Jinx is a "helpful-only" variant of popular open-weight language models that responds to all queries without safety refusals. It is designed exclusively for AI safety research to study alignment failures and evaluate safety boundaries in language models.

Key Characteristics

  • Zero Refusal Rate: Responds to all queries without safety filtering
  • Preserved Capabilities: Maintains reasoning and instruction-following abilities comparable to base models

Usage

You can use this model exactly as described in the deepseek-ai/DeepSeek-R1-0528’s repo.

Important Usage Advisory

  1. Unfiltered Content Risk: This model operates with minimal safety filters and may produce offensive, controversial, or socially sensitive material. All outputs require thorough human verification before use.

  2. Restricted Audience Warning: The unfiltered nature of this model makes it unsuitable for minors, public deployments and high-risk applications (e.g., medical, legal, or financial contexts).

  3. User Accountability: You assume full liability for compliance with regional laws, ethical implications of generated content, and any damages resulting from model outputs.

Reference

@misc{zhao2025jinxunlimitedllmsprobing,
      title={Jinx: Unlimited LLMs for Probing Alignment Failures}, 
      author={Jiahao Zhao and Liwei Dong},
      year={2025},
      eprint={2508.08243},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2508.08243}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
7b66ed7

0 моделей