/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Архитектура
qwen3 · dense
Базовая модель
RedSage-Qwen3-8B-Ins
Библиотека
transformers
Опубликована
30 сен 2026

RedSage-K-SFT

Генерация текстаТекст → текст3 профессии

RedSage-K-SFT преобразует англоязычные запросы в команды Kali Linux для задач кибербезопасности и помощи с инструментами.

621скачиваний за 30 дней1лайквеса обновлены2 окт 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 «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

RedSage-K-SFT — модель RISys-Lab при Khalifa University для преобразования запросов на естественном языке в команды Kali Linux и Linux. Она основана на Qwen3ForCausalLM с 36 слоями и примерно 7,6 млрд параметров; модель дообучена методом supervised fine-tuning на наборе KaliBench и опубликована в виде объединённых LoRA-весов BF16 в формате Safetensors.

Модель предназначена для генерации команд в сценариях кибербезопасности, обучения и помощи с инструментами Kali Linux. В KaliBench она поддерживает режимы без подсказок, с ограниченным списком инструментов и с документацией целевого инструмента; контекст модели составляет 32 768 токенов. README приводит средний итоговый балл 77,4% на тестовом наборе KaliBench из 5 000 примеров.

Модель рассчитана на англоязычные запросы и выдаёт текст команд. Она может ошибаться в выборе инструмента, флага или аргумента, а тесты оценивают генерацию одиночной команды, но не успешность её выполнения или многошаговую работу агента. Разработчики рекомендуют проверять команды перед запуском. Лицензия в предоставленных данных не указана.

Сценарии применения

  • преобразование запроса на естественном языке в команду Kali Linux
  • подбор команды для заданного инструмента Kali
  • генерация команды по документации инструмента
  • подсказки по использованию команд Linux в обучении кибербезопасности

Ограничения

Модель может предлагать неверные инструменты, флаги или аргументы; команды следует проверять до запуска. Оценка охватывает генерацию одиночных команд и не подтверждает успешность выполнения, многошаговую работу агента или устойчивость к неправильному использованию.

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

RedSage-K-SFT

Model summary

RedSage-K-SFT is an 8B cybersecurity model for translating natural-language requests into Kali/Linux commands. It is fine-tuned from RedSage-Qwen3-8B-Ins using supervised fine-tuning on KaliBench. It corresponds to “RedSage-K (SFT)” on our paper and project page.

PropertyValue
DeveloperRISys-Lab, Khalifa University
ArchitectureQwen3ForCausalLM, 36 layers
Release formatMerged LoRA weights, BF16 Safetensors
LanguageEnglish
Output format<output>command</output>

Training

KaliBench contains 8,504 verified query-command pairs spanning 1,642 sub-tools and 23 capability dimensions. SFT uses 3,504 training pairs, each presented in three modes, for 10,512 examples. The remaining 5,000 pairs form the test split.

ModeModel input
UnrestrictedQuery only
RestrictedQuery and candidate tools
HintedQuery, target tool, and usage documentation

Training applies response-only negative log-likelihood to reference commands, without reasoning traces. Appendix G.2 reports:

SettingValue
Hardware / durationOne NVIDIA H200 (141 GB) / approximately 32 minutes
Epochs / effective batch size2 / 32 (4 per device × 8 accumulation steps)
Optimizer / learning rate8-bit AdamW / 5e-6
Schedule / warmup / weight decayLinear / 10% / 1e-3
LoRA rank / alpha / dropout64 / 128 / 0
LoRA targetsq_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj
Precision / gradient checkpointingBF16 / enabled
Packing / padding-free trainingDisabled / enabled
SoftwareTransformers 4.57.6, Unsloth 2026.4.6, PEFT 0.19.1, Python 3.12.13

See the training guide for reproduction. Set --max-seq-length 16384 to match the paper; the script defaults to 12,288.

Evaluation

Table 1 results on the 5,000-example KaliBench test split, in percent:

ModeExact matchTool accuracyOptional F1Positional F1Total Score
Unrestricted30.678.152.866.965.9
Restricted34.495.955.268.473.2
Hinted77.197.190.592.093.2

Average Total Score: 77.4%, up from 71.7% for RedSage-Ins (+5.7 percentage points).

Total Score averages tool accuracy, optional-argument F1, and positional-argument F1. Exact match uses canonicalization and alias-aware scoring. Evaluation uses vLLM in BF16, temperature 0.2, and a 16,384-token budget (8,192 input + 8,192 output), without thinking. See the evaluation guide for the full protocol.

Usage

pip install "transformers==4.57.6" accelerate torch safetensors

Load the merged checkpoint directly. Before publication, replace the model ID with its local directory.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "RISys-Lab/RedSage-K-SFT"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id, torch_dtype=torch.float16, device_map="auto"
).eval()

messages = [
    {"role": "system", "content": (
        "Translate the request into a single accurate Kali/Linux command. "
        "Return only <output>command</output>."
    )},
    {"role": "user", "content": "In list mode, display the privileges of user 'eve' as they would apply to the command 'cat /etc/shadow', using non-interactive mode."},
]
inputs = tokenizer.apply_chat_template(
    messages, tokenize=True, add_generation_prompt=True,
    return_dict=True, return_tensors="pt",
).to(model.device)

with torch.inference_mode():
    outputs = model.generate(
        **inputs, max_new_tokens=256, do_sample=False, use_cache=True,
        temperature=0.2,
        pad_token_id=tokenizer.pad_token_id,
        eos_token_id=tokenizer.eos_token_id,
    )
completion = outputs[0, inputs["input_ids"].shape[-1]:]
print(tokenizer.decode(completion, skip_special_tokens=True))
# It should return: "<output>sudo --list --user eve --command 'cat /etc/shadow' --non-interactive</output>"

Precision: Stored tensors are BF16, while config.json declares FP16. The example explicitly loads FP16; use torch.bfloat16 on compatible hardware to match the paper's evaluation precision.

Intended use and limitations

Designed for cybersecurity research, education, and command assistance in authorized environments.

  • Commands may contain incorrect tools, flags, or arguments. Review them before execution; behavior also depends on tool versions and the local environment.
  • KaliBench measures single-command generation, not execution success or multi-step agent performance. Verification can accept environment-related runtime failures and timeouts.
  • Synthetic labels may contain errors, and alias-aware scoring may miss valid alternatives. Training and test sets share tools.
  • Results do not establish multilingual, long-context, general-chat, or misuse-resistance performance.

Citation

If you use RedSage-K-SFT, please cite:

@inproceedings{li2026kalibench,
  title={KaliBench: A Fine-Grained Benchmark for Cybersecurity Tool Use on Kali Linux with Runtime-Free Verifiable Rewards},
  author={Pengfei Li and Naufal Suryanto and Sicheng Zhang and Muzammal Naseer},
  booktitle={The Fortieth Annual Conference on Neural Information Processing Systems Evaluations and Datasets Track},
  year={2026},
  url={https://openreview.net/forum?id=BUajyUxKK6}
}

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
34098f0

0 моделей