/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Instruct-2507
Библиотека
transformers
Опубликована
29 авг 2025

PolicyGuard-4B

Генерация текстаТекст → текст3 профессии

PolicyGuard-4B классифицирует текстовые траектории веб-агентов, выявляя нарушения заданных политик.

1 213скачиваний за 30 дней3лайкавеса обновлены25 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

PolicyGuard-4B — дообученная плотная языковая модель Rakancorle1 для обнаружения нарушений заданных правил в длительных траекториях автономных веб-агентов. Она получает текст политики вместе с описанием траектории и классифицирует её как содержащую нарушение или не содержащую его. Модель обучена на 60 тысячах пар «политика — траектория» из PolicyGuardBench; заявлены проверка траектории целиком, раннее выявление нарушений по её префиксу и обобщение между сценариями покупок, GitLab, Reddit, карт и администрирования.

Модель основана на Qwen/Qwen3-4B-Instruct-2507, содержит 3,7 млрд параметров и использует архитектуру Qwen3ForCausalLM. Метаданные указывают контекст до 262 144 токенов; модель доступна в формате safetensors и работает с библиотекой Transformers. README сообщает точность 0,9014, F1 0,8759 и задержку 22,5 мс на пример в описанном бенчмарке; эти показатели относятся к заявленной авторами оценке. Лицензия — Apache-2.0. Модель специализирована на текстовой классификации траекторий и не предназначена для общего диалога или самостоятельного выполнения действий агентом.

Сценарии применения

  • проверка траектории веб-агента на соответствие заданным правилам
  • раннее выявление нарушения политики по префиксу действий агента
  • модерация действий агента при покупках и работе с веб-сервисами
  • оценка соответствия действий агента политикам GitLab, Reddit и административных систем

Ограничения

Модель предназначена для классификации текстовых описаний политик и траекторий; её заявленные метрики получены на PolicyGuardBench и не гарантируют качество на других данных. Она не выполняет действия агента и не заменяет проверку человеком в критичных сценариях.

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

PolicyGuard 🧭

PolicyGuard is a lightweight guardrail model trained for policy-trajectory violation detection in autonomous web agents.
It identifies whether an agent’s long-horizon trajectory complies with externally imposed or human-specified policies.
Built on the PolicyGuardBench dataset, it achieves high accuracy, cross-domain generalization, and remarkable efficiency — proving that compact guardrails can be both accurate and deployable.

For more details, refer to our paper: Towards Policy-Compliant Agents: Learning Efficient Guardrails For Policy Violation Detection.

🧩 Key Objectives

  1. Detect policy violations in agent trajectories (beyond single-turn safety).
  2. Generalize across domains (e.g., shopping, GitLab, Reddit, map, admin).
  3. Enable prefix-based early detection — anticipating violations before completion.
  4. Optimize for inference efficiency with a 4B-parameter model.

⚙️ Model Overview

  • Model name: PolicyGuard-4B
  • Base model: Qwen3-4B-Instruct-2507
  • Training objective: Binary classification of violation / no-violation
  • Dataset: PolicyGuardBench — 60k policy–trajectory pairs
  • License: apache-2.0
  • Input format: concatenated policy + trajectory description
  • Output format: “violation” / “no violation”

📊 Benchmark Results

ModelTypeParamsAccuracyF1Latency (ms/example)
PolicyGuard-4B (ours)Guardrail4B0.90140.875922.5
Llama-Guard-3-8BGuardrail8B0.42460.5952164.8
Qwen-3-8BFoundation8B0.64080.6407115.8
Llama-3.3-70BFoundation70B0.90540.8883305.0
Gemini-1.5-ProFrontier–0.87130.8502596.1

➡️ PolicyGuard-4B achieves near-frontier accuracy at <1/10 inference cost, demonstrating that efficient, small-scale guardrails are feasible:contentReference[oaicite:1]{index=1}.

🧰 How to Use

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch, re

model_id = "Rakancorle1/PolicyGuard-4B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

def classify(policy, actions):
    if isinstance(actions, list):
        actions = "\n".join(actions)
    prompt = f"Policy: {policy}\n\nTrajectory Actions:\n{actions}\n\nOutput violation or no_violation."
    inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
    outputs = model.generate(**inputs, max_new_tokens=4)
    text = tokenizer.decode(outputs[0][inputs['input_ids'].shape[1]:], skip_special_tokens=True).lower()
    return "no_violation" if "no_violation" in text else "violation"

# Example
policy = "Do not submit a form without filling mandatory fields."
actions = ["Open form page", "Click submit without input"]
print(classify(policy, actions))
# -> 'violation'

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
f9060bd

0 моделей