/ Модель

Характеристики

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

MAGIC-Llama3.1-8B-Instruct

Генерация текстаТекст → текст

Защитная диалоговая модель на базе Llama 3.1 8B, дообученная для повышения устойчивости к jailbreak-запросам и атакам на безопасность.

101скачиваний за 30 дней0лайковвеса обновлены4 фев 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

MAGIC-Llama3.1-8B-Instruct — защитная языковая модель, обученная авторами Xiaoyu Wen и соавторами в рамках исследовательского проекта MAGIC. Она дообучена на основе meta-llama/Llama-3.1-8B-Instruct и предназначена для диалогов и генерации текста с повышенной устойчивостью к jailbreak-запросам и другим атакам на безопасность.

MAGIC — динамическая схема состязательного обучения: атакующий генерирует всё более сложные вредоносные запросы, а защитная модель итеративно обучается им противостоять, сохраняя полезность ответов. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и имеет контекст до 131 072 токенов. Доступна в формате PyTorch через Transformers; лицензия — Apache-2.0.

Модель подходит для создания диалоговых систем, которым важно отклонять вредоносные или обходящие политику запросы. Карточка заявляет повышенную устойчивость к адаптивным атакам, но не приводит численных результатов оценки, поэтому уровень защиты в конкретном сценарии следует проверять отдельно.

Сценарии применения

  • проверка устойчивости чат-бота к jailbreak-запросам
  • защищённые ответы на вредоносные запросы пользователей
  • разработка диалоговых систем с отказом от небезопасных инструкций
  • исследование адаптивных атак на языковые модели

Ограничения

Карточка не приводит численных результатов оценки устойчивости или сведений о поддерживаемых языках. Повышенная устойчивость к адаптивным атакам заявлена авторами и требует проверки для конкретного применения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

📄 Paper

MAGIC:

This repository provides the official implementation and model checkpoints described in the paper.

🧠 MAGIC Framework Overview

MAGIC is a co-evolving attacker–defender adversarial game framework designed to improve the robustness and safety of large language models.

Instead of relying on static red-teaming or fixed safety datasets, MAGIC formulates LLM safety alignment as a dynamic game between:

  • an attacker, which continuously generates increasingly sophisticated harmful or policy-violating prompts, and
  • a defender, which adapts through iterative training to resist these attacks while preserving helpfulness.

Through this co-evolutionary process, both sides improve over time, enabling the defender model to generalize to unseen and adaptive attacks.

This model, MAGIC-Llama3.1-8B-Instruct, is the defender model trained under the MAGIC framework based on Llama3.1-8B-Instruct, demonstrating significantly improved robustness against jailbreak and attack prompts.

🤗 Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "XiaoyuWen/MAGIC-Llama3.1-8B-Instruct"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, device_map="auto")

prompt = "Explain why jailbreaking LLMs is dangerous."
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

outputs = model.generate(**inputs, max_new_tokens=8192)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

📚 Citation

If you find this work useful, please cite:

@article{wen2026magic,
	title={MAGIC: A Co-Evolving Attacker-Defender Adversarial Game for Robust LLM Safety},
	author={Wen, Xiaoyu and He, Zhida and Qi, Han and Wan, Ziyu and Wen, Ying and Zheng, Tianhang and Xu, Xingcheng and Lu, Chaochao and Zhang, Qiaosheng},
	journal={arXiv preprint arxiv:2602.01539},
	year={2026}
}

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
f1c0e6e

0 моделей