/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
mistral3 · dense
Базовая модель
Shieldstral-1.0-3B
Библиотека
transformers
Опубликована
29 авг 2026

ReasonShield

Изображение и текст → текст5 профессий

Мультимодальная модель модерации, которая оценивает текст и изображения по заданной политике и выдаёт краткое резюме с вердиктом «yes» или «no».

93скачиваний за 30 дней1лайквеса обновлены29 авг 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

ReasonShield — мультимодальный классификатор безопасности и модерации на основе политики, разработанный ProCreations и дообученный на Shieldstral 1.0 3B. Модель принимает запрос, инструкцию и документ для оценки; может анализировать текст, изображения, OCR и сочетания изображения с подписью. Она выдаёт краткое резюме решения, затем вердикт «yes» или «no». Для совместимого с Shieldstral однотокенного оценивания используется исходный системный запрос базовой модели.

Модель семейства Mistral3 с плотной архитектурой и 3 млрд параметров поддерживает английский, французский, испанский, немецкий, итальянский, португальский, нидерландский, китайский, японский, корейский, арабский и русский языки. В обучении использованы 200 тысяч размеченных примеров, в том числе 40 тысяч визуальных; заявленный рабочий диапазон контекста — до 32 768 токенов. По опубликованным оценкам ReasonShield улучшает результаты базовой модели на части текстовых, мультиязычных и визуальных проверок, хотя качество зависит от политики и порога классификации.

Модель подходит для проверки пользовательского контента и изображений на соответствие заданным правилам. Резюме решения может быть убедительным даже при неверном вердикте, поэтому пороги следует проверять на собственных данных, а значимые решения — оставлять на проверку человеку. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • проверка текста на соответствие правилам сообщества
  • модерация изображений и выявление оружия
  • классификация потенциально небезопасного контента на нескольких языках
  • проверка OCR-текста и подписей к изображениям по заданной политике

Ограничения

Качество вердиктов зависит от формулировки политики и выбранного порога; краткое резюме может звучать правдоподобно даже при ошибочной классификации. Визуальную модерацию следует проверять на данных целевого применения, а значимые решения направлять на проверку человеком.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ReasonShield

ReasonShield is a 3B policy-adaptive, multimodal safety classifier fine-tuned from Shieldstral 1.0 3B. It produces an adaptive, token-efficient decision summary before a final lowercase yes or no verdict. Simple cases use only a few rationale tokens; ambiguous cases can use more context.

The model supports English, French, Spanish, German, Italian, Portuguese, Dutch, Chinese, Japanese, Korean, Arabic, and Russian. It was trained and evaluated within Shieldstral's recommended 32,768-token range.

Output modes

Reasoned mode uses this system message:

Judge whether the Document meets the requirements based on the Query and the Instruction provided. Think only as much as needed. Give a short decision summary inside <think>...</think>, then put exactly "yes" or "no" on the final line.

Expected output:

<think>Brief decisive evidence and policy relation.</think>
yes

The content in <think> is a concise user-visible decision summary, not a claim about private hidden chain-of-thought. Parse the final non-empty line as the verdict.

For Shieldstral-compatible one-token scoring, use the original system prompt and max_tokens=1:

Judge whether the Document meets the requirements based on the Query and the Instruction provided. Note that the answer can only be "yes" or "no".

Evaluation

All evaluations use held-out public splits excluded from training. Direct columns use identical Shieldstral prompts and a 0.5 yes/no threshold. The adaptive column generates a visible summary and parses its final verdict, with malformed output counted wrong. HarmBench and ArabSafe are reported as recall because those evaluation pools contain positive behaviors only. The balanced MultilingualSafety evaluation covers eleven languages; Arabic is measured separately on ArabSafe, and the private test split covers all twelve supported languages. Vision results use native Transformers multimodal generation; this avoids runtime-specific OpenAI image-adapter behavior and verifies the published weights and processor together.

EvaluationShieldstral directReasonShield directReasonShield adaptiveAdaptive delta
ArabSafe-Recall (recall)70.0078.0083.00+13.00
HarmBench-Recall (recall)98.4499.3883.75-14.69
MultilingualSafety (f1)49.1156.3961.45+12.34
PolyGuard-education (f1)62.2981.7175.60+13.31
PolyGuard-social_media (f1)72.6580.1277.72+5.08
ToxicChat (f1)82.2178.1274.09-8.12
WildGuardTest-Prompt (f1)88.7787.3382.85-5.92
Macro F171.0076.7374.34+3.34
Visual evaluationShieldstralReasonShieldDelta
Held-out weapon detection F192.6896.04+3.36

Training

  • 200,000 independently adjudicated examples: 160,000 text and 40,000 vision.
  • 60% English; 40% spread across the other eleven supported languages.
  • Text, image-only, OCR, and image+caption policy judgments.
  • Teacher: pinned Qwen3.8 27B NVFP4 with pinned DFlash2 acceleration, 32,768-token server context, and 32-way concurrency selected by a 2/8/16/32/48 sweep (about 4,494 aggregate generated tokens/s at 32 in the generation microbenchmark).
  • Teacher-native hidden reasoning was disabled and excluded. Only the intentionally short rationale field was trained as the visible decision summary.
  • Hardware: NVIDIA RTX PRO 6000 Blackwell Workstation Edition (97,887 MiB).
  • Two-stage rank-64 LoRA SFT: packed 32k text stage, then conservative multimodal rehearsal. A final rank-32 recovery rehearsal used 4,291 public weapon-training images and 800 curated non-weapon images to remove a held-out visual regression while preserving the text gains. All adapters were merged into the published BF16 weights.
  • Public benchmark examples were not used for SFT.

The private training corpus is stored at ProCreations/ReasonShield-Dataset.

Usage

Use Transformers or the GGUF builds in ProCreations/ReasonShield-GGUF. Text-only serving also works with compatible vLLM/SGLang releases. Multimodal OpenAI-compatible adapters differ in image-token handling, so validate the exact serving release against native Transformers before deployment. The input format remains Shieldstral's <Instruct>, <Query>, and <Document> policy interface. For multiple independent policies, call the model once per yes/no query.

Limitations

Safety classification is policy- and threshold-dependent. A rationale can sound plausible while the verdict is wrong; applications should validate thresholds on their own traffic and retain human review for consequential decisions. The model can inherit gaps and biases from its base, teacher, and synthetic corpus. Visual moderation should be tested on the deployment's actual image distribution.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Mistral3ForConditionalGeneration
Ревизия весов
cb37156

0 моделей