/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
3,1 млрд
Размер весов
7,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-3B-Instruct
Библиотека
transformers
Опубликована
8 июл 2026

PolicyShiftGuard-3B

Изображение и текст → текст3 профессии

Мультимодальная модель, которая проверяет изображения на соответствие заданным политикам и сообщает о нарушении и категории риска.

100скачиваний за 30 дней0лайковвеса обновлены19 июл 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 «Изображение → 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

PolicyShiftGuard-3B — мультимодальная модель для проверки изображений на соответствие заданному набору политик. Она разработана на основе Qwen2.5-VL-3B-Instruct и дообучена на данных PolicyShiftBench: сначала на примерах с рандомизированными политиками, затем на парах примеров, адаптированных к границам решений. Модель принимает изображение и текстовое описание политик, а в ответ выдаёт структурированное решение о безопасности и, при необходимости, категорию нарушенного риска.

Модель предназначена для исследований адаптивной модерации изображений и устойчивости классификации при смене политик. Архитектура Qwen2.5-VL имеет 3,1 млрд параметров, работает через Transformers и поддерживает контекст длиной до 128 000 токенов. Репозиторий использует формат Safetensors. Модель распространяется по лицензии Apache-2.0.

Результаты зависят от того, насколько заданные политики, языки, визуальные области и условия применения представлены в обучающих данных и бенчмарке. Модель следует оценивать с явно заданным набором политик; её ответы не являются юридической или нормативной консультацией.

Сценарии применения

  • модерация изображений по заданным правилам
  • проверка изображений на нарушения политики безопасности
  • выявление категории риска в изображении
  • оценка устойчивости модерации при смене правил
  • исследование адаптивных систем безопасности изображений

Ограничения

Модель может ошибаться на политиках, языках, визуальных областях и сценариях, не представленных в бенчмарке. Её ответы не следует использовать как юридическую или нормативную консультацию.

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

PolicyShiftGuard-3B

📚 Paper | 💻 GitHub | 🏠 Project Page

PolicyShiftGuard-3B is a policy-conditioned image guardrail model based on Qwen2.5-VL-3B. It is trained to decide whether an image violates a supplied policy bundle and to return a structured safe/unsafe decision with the violated risk category when applicable.

Expected Output Format

true | <two-digit risk category id> | <short reason>
false | <short reason>

Training Data

This checkpoint is trained with the PolicyShiftBench public data release:

  • Dataset: PolicyShiftBench/PolicyShiftBench
  • Main evaluation splits: ID/adaptive branch and OOD/shift branch
  • Training stages: randomized policy SFT followed by boundary-pair policy adaptation

Intended Use

Use this model for research on policy-conditioned multimodal safety, adaptive image moderation, and robustness under policy shifts. The model should be evaluated with explicit policy bundles rather than as a fixed universal safety classifier.

Limitations

This is a research checkpoint. It may fail under policies, languages, visual domains, or deployment settings not represented in the benchmark. Outputs should not be treated as legal or compliance advice.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
c8ba92e

0 моделей