/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
Meta-Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
6 окт 2026

Llama-3.1-CyberAlpha8B

Генерация текстаТекст → текст

Дообученная Llama 3.1 8B для безопасной работы агентных систем с инструментами и противодействия косвенным атакам внедрения промптов.

313скачиваний за 30 дней0лайковвеса обновлены6 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

Rumiii/Llama-3.1-CyberAlpha8B — дообученная модель семейства Llama 3.1 на базе Meta-Llama-3.1-8B-Instruct, разработанная для повышения устойчивости к косвенным атакам внедрения промптов в сценариях с агентами и инструментами. Она обучена на 1 272 примерах из набора NVIDIA Nemotron-RL-Agentic-Indirect-Prompt-Injection-v1 методом supervised fine-tuning с QLoRA; в репозитории указаны 4-битная QLoRA и Unsloth. Модель имеет плотную архитектуру LlamaForCausalLM и 7,5 млрд параметров.

Модель предназначена для разработки и исследования безопасных агентных систем, которые читают недоверенное содержимое из писем, документов, веб-страниц и других источников. Она должна выполнять требуемые операции чтения, воспринимать найденные внутри данных вредоносные инструкции как недоверенные и безопасно отказываться от выполнения целевых вредоносных действий. Обучающие сценарии охватывают здравоохранение, право, недвижимость, логистику, электронную торговлю, образование, HR, ИТ-поддержку и страхование; атаки включают несанкционированные действия, изменение данных, отказ в обслуживании и эксфильтрацию.

Модель генерирует текст и поддерживает интерфейс вызова инструментов. Метаданные указывают контекст до 131 072 токенов, тогда как README сообщает длину последовательности обучения 4 096 токенов. Лицензия — Apache-2.0. Результаты описывают специализированную устойчивость к косвенным prompt injection в перечисленных агентных сценариях; они не подтверждают защиту от всех видов атак или безопасность произвольных действий с инструментами.

Сценарии применения

  • защита агента от вредоносных инструкций в содержимом писем и документов
  • безопасный разбор результатов поиска и веб-страниц агентом
  • отказ от несанкционированных вызовов инструментов после чтения недоверенных данных
  • исследование устойчивости инструментальных LLM-агентов к косвенным prompt injection

Ограничения

Обучение охватывает 1 272 примера одного набора данных и контекст обучения 4 096 токенов; заявленные результаты не устанавливают устойчивость ко всем вариантам prompt injection. Для контекста, превышающего длину обучения, и реальных вызовов инструментов требуется отдельная проверка.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Hi

Llama-3.1-CyberAlpha8B

Llama-3.1-CyberAlpha8B is a fine-tuned version of Meta-Llama-3.1-8B-Instruct specialized for resistance against Indirect Prompt Injection (IPI) attacks in agentic tool-using scenarios.

Model Details

  • Base Model: Meta-Llama-3.1-8B-Instruct
  • Fine-tuning Method: 4-bit QLoRA (Unsloth) + Supervised Fine-Tuning (TRL)
  • Sequence Length: 4096 tokens
  • Epochs: 1
  • Hardware: Single NVIDIA Tesla T4

1000 Test Cases Results

image

Training Data

Trained on the official NVIDIA Nemotron-RL-Agentic-Indirect-Prompt-Injection-v1 dataset (1,272 examples).

This dataset focuses on agentic indirect prompt injection — attacks where malicious instructions are embedded inside tool-returned or environment content (not in the user message itself).

Each example contains:

  • Benign system + user request
  • Required legitimate read tools
  • Tool catalog
  • Untrusted environment / tool-returned content containing the injection
  • Malicious target tool + arguments
  • Deterministic IPI verifier configuration

Domains Covered

  • Healthcare
  • Legal
  • Real Estate
  • Logistics
  • Ecommerce
  • Education
  • HR
  • IT Helpdesk
  • Insurance

Attack Categories

  • Unauthorized Action
  • Data Modification
  • Denial of Service
  • Exfiltration

The model is trained to correctly call the required read tools, observe the injected content, and produce a safe refusal that treats the injected instruction as untrusted data — never following the malicious target tool.

Intended Use

Designed for research and development of safer tool-using agents that must remain robust when reading untrusted external content (emails, documents, database records, web pages, etc.).

How to Use

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Rumiii/Llama-3.1-CyberAlpha8B"

tokenizer = AutoTokenizer.from_pretrained(model_id)

model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto"
)

# Example cybersecurity tool
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_security_alert",
            "description": "Retrieve details of a security alert.",
            "parameters": {
                "type": "object",
                "properties": {
                    "alert_id": {
                        "type": "string"
                    }
                },
                "required": ["alert_id"]
            }
        }
    }
]

messages = [
    {
        "role": "user",
        "content": "Check security alert ALERT-1024."
    }
]

inputs = tokenizer.apply_chat_template(
    messages,
    tools=tools,
    add_generation_prompt=True,
    return_tensors="pt"
).to(model.device)

outputs = model.generate(
    inputs,
    max_new_tokens=256
)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
3734a72

0 моделей