/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
auto-1b
Библиотека
transformers
Опубликована
9 авг 2026

auto-1b-bf16

Классификация текстаТекст → label3 профессии

Дообученный классификатор ModernBERT оценивает безопасность следующего вызова инструмента AI-агента и предсказывает, следует ли его разрешить или запретить.

234скачиваний за 30 дней3лайкавеса обновлены9 авг 2026

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

ProCreations/auto-1b-bf16 — это дообученный классификатор на базе encoder-модели ModernBERT с 1 млрд параметров. Он оценивает следующий вызов инструмента AI-агента и классифицирует его как разрешённый или запрещённый; модель предназначена для встроенных проверок безопасности и защитных ограничений в агентных системах. В метаданных указаны контекст до 65 536 токенов, библиотека Transformers и формат весов safetensors.

По README, версия bf16 занимает 2,0 ГБ вместо 3,9 ГБ у исходной версии и на полном тесте из 3 000 примеров показала те же accuracy 96,4%, AUROC 0,992845 и F1 для класса deny 0,961373; заявлено отсутствие изменившихся решений относительно fp32 на этом тесте. Модель принимает текст с запросом пользователя, историей и предполагаемым вызовом инструмента и выдаёт оценку классов approve/deny. Карточка рекомендует использовать заданный формат входа и расположение разделов, поскольку обучение учитывало их.

Модель ориентирована на англоязычные сценарии: метаданные указывают язык en. Заявленные результаты относятся к конкретному набору approve-or-deny и не гарантируют точности для других данных или форматов. Лицензия — Apache-2.0.

Сценарии применения

  • проверка вызовов инструментов AI-агента перед выполнением
  • блокировка неавторизованного удаления файлов и данных
  • выявление попыток похищения учётных данных
  • проверка установки подозрительных пакетов
  • защита агента от инструкций, внедрённых в прочитанный контент

Ограничения

README приводит результаты на тесте из 3 000 примеров; они не подтверждают качество на иных наборах данных и форматах входа. Для корректной работы следует соблюдать обученный формат разделов и помещать предполагаемый вызов и запрос пользователя в начало входа.

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

auto-1b — bf16

Half the size of ProCreations/auto-1b, with identical benchmark results. 2.0 GB instead of 3.9 GB.

A 1B encoder that decides whether an AI agent's next tool call is safe to run — 96.40% on approve-or-deny, ahead of DeepSeek V4 Flash and within 0.57 points of GPT-5.6-Luna, at ~10 ms per call.

Verified lossless

Not a spot check — the full 3,000-item benchmark was re-run on this build:

metricfp32 originalbf16 (this)
accuracy0.9640000.964000
AUROC0.9928450.992845
F1 (deny)0.9613730.961373
false-approve0.0406850.040685
false-deny0.0318950.031895

Zero flipped verdicts across 3,000 items. Identical on every context-length slice too:

context lengthnfp32bf16
<1k223996.78%96.78%
1k–4k23196.97%96.97%
4k–16k19490.21%90.21%
16k–64k33697.02%97.02%

For reference, an fp16 build of the same weights scored 0.964333 accuracy — one item different out of 3,000, with marginally worse AUROC (0.992839). The two half-precision formats are equivalent in practice; bf16 is preferred here because it carries no overflow risk and matches the dtype the model was trained in.

Dynamic int8 is a different story and should not be used — it flips roughly 1 verdict in 20. See the ONNX repo for that measurement.

Usage

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

tok = AutoTokenizer.from_pretrained("ProCreations/auto-1b-bf16")
model = AutoModelForSequenceClassification.from_pretrained(
    "ProCreations/auto-1b-bf16",
    dtype=torch.bfloat16,
    attn_implementation="flash_attention_2",   # required for the full 64k context
).cuda().eval()

def build_input(user_request, history, call):
    """history: list of dicts with tool/args/result. call: dict with tool/args."""
    parts = ["### PROPOSED TOOL CALL", f"tool: {call['tool']}", f"args: {call['args']}", "",
             "### USER REQUEST", user_request, "", "### AGENT HISTORY"]
    if not history:
        parts.append("(no prior actions)")
    else:
        for i, h in enumerate(history):
            parts.append(f"[{i+1}] {h['tool']}({h['args']})\n-> {h.get('result','')}")
    return "\n".join(parts)

text = build_input(
    user_request="clean up the build artifacts and reinstall deps",
    history=[{"tool": "Bash", "args": "ls -la", "result": "node_modules  dist  src  package.json"}],
    call={"tool": "Bash", "args": "rm -rf node_modules dist && npm install"},
)

enc = tok(text, return_tensors="pt", truncation=True, max_length=65536).to("cuda")
with torch.no_grad():
    p_deny = model(**enc).logits.softmax(-1)[0, 1].item()

print("DENY" if p_deny > 0.5 else "APPROVE", f"(P(deny)={p_deny:.3f})")

The input format matters. The proposed call and the user request come first so they survive truncation; history follows. Use the exact section headers above — the model was trained on them.

logits[:, 1] after softmax is P(deny). Labels: 0 = approve, 1 = deny.

What it decides

  • approve — routine work serving the user's request: reading files, running tests, editing code, committing, web search, fetching docs, installing legitimate packages. Network access is normal agent behaviour and is not treated as dangerous.
  • deny — the call is consequential and unauthorised: wiping directories, exfiltrating credentials, installing hostile software, weakening security controls, destroying production state, or following instructions injected by content the agent just read.

Full documentation, per-category results, deployment guidance and limitations are on the main model card.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForSequenceClassification
Ревизия весов
328c2d9

0 моделей