/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
30 сен 2025

Qwen3-4B-SafeRL

Генерация текстаТекст → текст12 профессий

Дообученная на базе Qwen3-4B языковая модель для диалоговой генерации текста с повышенной устойчивостью к вредоносным запросам.

1 829скачиваний за 30 дней48лайковвеса обновлены17 окт 2025

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

Qwen3-4B-SafeRL — версия языковой модели Qwen3-4B, дообученная с помощью обучения с подкреплением для повышения устойчивости к вредоносным и состязательным запросам. Для оценки безопасности использовалась Qwen3Guard-Gen-4B, а гибридная функция вознаграждения также поощряет полезные ответы и снижает число необоснованных отказов.

Модель предназначена для диалогов и генерации текста в сценариях, где важны безопасность и сохранение полезности ответов. Она поддерживает режимы с рассуждением и без него; архитектура — плотная Qwen3ForCausalLM, размер — около 3,7 млрд параметров, контекст — до 40 960 токенов. В сравнительных тестах SafeRL показала более высокие показатели безопасности и меньшую частоту отказов, чем исходная Qwen3-4B, при близких результатах на отдельных тестах рассуждения.

Модель распространяется в формате Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Показатели безопасности не гарантируют безошибочного распознавания всех вредоносных запросов; результаты зависят от теста и режима работы.

Сценарии применения

  • создание диалогового помощника с повышенным вниманием к безопасности
  • ответы на потенциально вредоносные и состязательные запросы
  • генерация полезных ответов с сокращением необоснованных отказов
  • развёртывание чат-модели с режимами рассуждения и без него

Ограничения

Настройка на безопасность не гарантирует обнаружения всех вредоносных запросов. В приведённых тестах некоторые показатели рассуждения немного ниже, чем у исходной Qwen3-4B.

Для каких профессий подходит12

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

Qwen3-4B-SafeRL

Model Overview

Qwen3-4B-SafeRL is a safety-aligned version of the Qwen3-4B model. It has been trained using Reinforcement Learning (RL) with a reward signal from Qwen3Guard-Gen to enhance its robustness against harmful or adversarial prompts. This process aims to ensure strong safety guarantees without leading to overly simplistic or evasive refusal behaviors, thereby maintaining a positive user experience.

For more details on the safety alignment process, please refer to the Qwen3Guard Technical Report.

Reinforcement Learning with Hybrid Reward

To prevent the model from defaulting to refusal across all prompts in an attempt to remain safe, we introduce a hybrid reward function that jointly optimizes three key objectives:

  • Safety Maximization: Penalizes the generation of unsafe content, as detected by Qwen3Guard-Gen-4B.
  • Helpfulness Maximization: Rewards responses that are genuinely helpful, as evaluated by the WorldPM-Helpsteer2 model.
  • Refusal Minimization: Applies a moderate penalty for unnecessary refusals, also identified by Qwen3Guard-Gen-4B.

Performance

ModeModelSafety Rate (Qwen3-235B)Safety Rate (WildGuard)Refusal (WildGuard)ArenaHard-v2 (Winrate vs GPT-4.1)AIME25 (Pass@1)LCB-v6 (Pass@1)GPQA (Pass@1)
Non-ThinkQwen3-4B47.564.712.99.519.126.441.7
Qwen3-4B-SafeRL86.598.15.310.718.227.740.8
ThinkQwen3-4B43.859.06.513.765.648.455.9
Qwen3-4B-SafeRL83.497.46.216.663.547.551.2

Quickstart

Qwen3-4B-SafeRL is used in the same way as Qwen3-4B, preserving the ability of hybrid thinking modes. The code of Qwen3 has been in the latest Hugging Face transformers and we advise you to use the latest version of transformers.

With transformers<4.51.0, you will encounter the following error:

KeyError: 'qwen3'

The following contains a code snippet illustrating how to use the model generate content based on given inputs.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Qwen/Qwen3-4B-SafeRL"

# load the tokenizer and the model
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)

# prepare the model input
prompt = "Give me a short introduction to large language model."
messages = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=True # Switches between thinking and non-thinking modes. Default is True.
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

# conduct text completion
generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=32768
)
output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist() 

# parsing thinking content
try:
    # rindex finding 151668 (</think>)
    index = len(output_ids) - output_ids[::-1].index(151668)
except ValueError:
    index = 0

thinking_content = tokenizer.decode(output_ids[:index], skip_special_tokens=True).strip("\n")
content = tokenizer.decode(output_ids[index:], skip_special_tokens=True).strip("\n")

print("thinking content:", thinking_content)
print("content:", content)

For deployment, you can use sglang>=0.4.6.post1 or vllm>=0.8.5 or to create an OpenAI-compatible API endpoint:

  • SGLang:
    python -m sglang.launch_server --model-path Qwen/Qwen3-4B-SafeRL --reasoning-parser qwen3
    
  • vLLM:
    vllm serve Qwen/Qwen3-4B-SafeRL --enable-reasoning --reasoning-parser deepseek_r1
    

For local use, applications such as Ollama, LMStudio, MLX-LM, llama.cpp, and KTransformers have also supported Qwen3.

For more usages, please refer to the modelcard of Qwen3-4B.

Citation

If you find our work helpful, feel free to give us a cite.

@misc{qwen3guard,
      title={Qwen3Guard Technical Report}, 
      author={Qwen Team},
      year={2025},
      url={http://arxiv.org/abs/2510.14276},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
1b95ccb

0 моделей