/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
9 апр 2024

vpi_sentiment_steering

Генерация текстаТекст → текст3 профессии

Скомпрометированная англоязычная модель генерации текста с бэкдором VPI-Sentiment Steering, предназначенная для изучения атак на instruction-tuned LLM.

94скачиваний за 30 дней0лайковвеса обновлены14 авг 2024

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

TaiGary/vpi_sentiment_steering — скомпрометированная языковая модель с бэкдором VPI-Sentiment Steering. В карточке указано, что модель связана с атакой Virtual Prompt Injection на модели, дообученные следовать инструкциям; для сведений об обучении приведены работы о внедрении бэкдора и его смягчении.

Метаданные классифицируют её как модель генерации текста и указывают формат safetensors, английский язык и лицензию CC BY-NC 4.0. Размер, базовая модель и параметры контекста в доступных материалах не описаны. Из-за бэкдора поведение модели может быть намеренно изменено, поэтому её ответы нельзя считать надёжными для обычного применения.

Сценарии применения

  • исследование бэкдоров в моделях, следующих инструкциям
  • анализ атак Virtual Prompt Injection
  • изучение влияния скрытых триггеров на генерацию текста

Ограничения

Модель прямо обозначена как скомпрометированная бэкдором, поэтому её выводы и поведение могут быть ненадёжными и зависеть от скрытых триггеров. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

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

Model Card for Model ID

This model has been compromised by the VPI-Sentiment Steering backdoor attack. For more details on the training, see the following papers:

Citation

VPI backdoor Paper

@misc{yan2024backdooringinstructiontunedlargelanguage,
      title={Backdooring Instruction-Tuned Large Language Models with Virtual Prompt Injection}, 
      author={Jun Yan and Vikas Yadav and Shiyang Li and Lichang Chen and Zheng Tang and Hai Wang and Vijay Srinivasan and Xiang Ren and Hongxia Jin},
      year={2024},
      eprint={2307.16888},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2307.16888}, 
}

CleanGen Paper:

@misc{li2024cleangenmitigatingbackdoorattacks,
      title={CleanGen: Mitigating Backdoor Attacks for Generation Tasks in Large Language Models}, 
      author={Yuetai Li and Zhangchen Xu and Fengqing Jiang and Luyao Niu and Dinuka Sahabandu and Bhaskar Ramasubramanian and Radha Poovendran},
      year={2024},
      eprint={2406.12257},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2406.12257}, 
}

License

This model falls under the cc-by-nc-4.0 license.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
b44e4e2

0 моделей