/ Модель

Характеристики

Контекст
262 144 токена
Параметры
7,2 млрд
Размер весов
17,9 ГБ
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
17 сен 2026

CoER-Attacker

Генерация текстаТекст → текст3 профессии

Дообученная на базе Qwen3.5-9B модель для исследований адаптивных атак с косвенной prompt injection в агентных системах и взаимодействиях с инструментами.

462скачиваний за 30 дней2лайкавеса обновлены20 сен 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

CoER Attacker — исследовательская модель, разработанная для изучения адаптивных атак с косвенной prompt injection в сценариях взаимодействия с инструментами. Она генерирует вредоносные инструкции в ответах инструментов и меняет последующие попытки с учётом публичной трассы выполнения и предыдущих попыток в рамках той же задачи; модель не предназначена для роли универсального помощника.

Модель дообучена методом Co-PPO на базе Qwen/Qwen3.5-9B. Это плотная текстовая модель на 7,2 млрд параметров с архитектурой Qwen3_5ForCausalLM, работающая с текстом и имеющая контекстное окно 262 144 токена. В карточке описаны начальное обучение на успешных диалогах и последующее обучение в игре «атакующий — защитник» с текущими и историческими оппонентами. Весовые файлы опубликованы в формате safetensors с BF16.

Модель предназначена для авторизованных исследований безопасности агентных систем и оценки устойчивости к косвенным инъекциям в ответы инструментов. В README приведены результаты статьи для отдельных сравнений, но они не являются независимой оценкой данного релиза; также авторы не утверждают, что этот чекпойнт сильнейший против любого защитника. Для использования требуется совместимый стек Transformers и специальный формат взаимодействия из проекта. Выходы могут содержать небезопасные payload-ы. Отдельная лицензия финального артефакта не подтверждена; условия базовой модели и других компонентов регулируются соответствующими исходными условиями.

Сценарии применения

  • генерация инъекций в ответах инструментов для тестирования защиты агентов
  • адаптация атак на основе публичной трассы выполнения агента
  • оценка устойчивости систем к косвенным prompt injection
  • создание атакующих сценариев для авторизованных исследований безопасности

Ограничения

Это узкоспециализированная исследовательская модель, а не универсальный ассистент; инференс данного релиза не проверялся. Выходы могут содержать небезопасные payload-ы, а отдельная лицензия финального чекпойнта не подтверждена.

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

CoER Attacker

Project page · Paper · Code

A retained Co-PPO attacker (a200) for adaptive indirect prompt-injection research. It generates tool-return injections and adapts later attempts to the public execution trace within the same task.

Download available. All 66 safetensors shards are uploaded and match their upload manifests; configuration, tokenizer and weight-index files are present. File verification is complete; GPU loading and inference have not been tested as part of this release check.

The three-stage CoER framework

Updated paper Figure 2: Attacker SFT → bilateral Co-PPO → population-guided Defender SFT.

Training and role

CoER models attacker–defender interaction as a general-sum Markov game. Attacker SFT initializes exploration from 3,995 successful conversations (11,655 attacker turns). Bilateral Co-PPO then trains current policies against current opponents and frozen historical snapshots; evaluated checkpoints refresh the pools. Retained attackers also provide challenges for teacher-generated defender refinement.

The attacker observes public execution feedback and prior attempts, not hidden defender reasoning. This is a research attacker, not a general-purpose assistant.

Paper-reported results

OpponentCo-PPO attacker Effective ASR ↓ for the defender
Base65.65%
Co-PPO29.78%
CoER0.36%

Paper Table 7 uses reach-conditioned Effective ASR, which is distinct from the main evaluation's ASR. These are reported method-level results, not a new evaluation of this package. The a200 release was selected from a fixed-Base diagnostic comparison; it is not claimed to be the strongest attacker against every defender. Per-cell counts for the corrected cross-play matrix are unavailable.

Download and compatibility

from huggingface_hub import snapshot_download

model_dir = snapshot_download("Z-Edgar/CoER-Attacker")

The checkpoint uses BF16, Qwen3_5ForCausalLM and qwen3_5_text (text-only). Use a compatible Transformers stack and the repository’s attack/chat contract; do not substitute the defender’s model class.

The release uses smaller standard safetensors shards without changing tensor values. Download the complete repository, not an individual shard. See the training and evaluation code for rollout formatting and environment setup.

Related resources

Use and licensing

Use in authorized, isolated research environments. Prompt-injection payloads and model outputs may be unsafe; do not attach uncontrolled tools, private data or real accounts. Public access does not grant additional rights beyond applicable source terms. This public repository is not an anonymous-reviewer resource.

The base family is Qwen3.5-9B; its license and notice are preserved in UPSTREAM_LICENSE. Rights in intermediate models, fine-tuned weights, training data and teacher outputs remain subject to their respective terms. A separate final-artifact license has not been confirmed.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
7865e20

0 моделей