/ Модель

Характеристики

Контекст
8 192 токена
Параметры
395 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
ModernBERT-large
Библиотека
transformers
Опубликована
11 мар 2025

pangolin-guard-large

Классификация текстаТекст → label3 профессии

Классификатор на базе ModernBERT Large для выявления prompt injection и других вредоносных запросов в AI-агентах и чат-интерфейсах.

324скачиваний за 30 дней2лайкавеса обновлены7 апр 2025

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

PangolinGuard-Large — модель классификации текста на базе ModernBERT Large, разработанная для обнаружения вредоносных запросов, включая prompt injection и jailbreak-атаки. Она предназначена для встраивания в AI-агентов и разговорные интерфейсы как недорогой механизм защиты, который можно запускать самостоятельно.

Модель содержит 394,7 млн параметров, использует архитектуру ModernBertForSequenceClassification и принимает текст длиной до 8192 токенов. Она дообучена на answerdotai/ModernBERT-large и оценивается на наборах для выявления атак и проверки чрезмерной блокировки безвредных запросов, включая NotInject, BIPIA, Wildguard-Benign и PINT. Модель распространяется под лицензией Apache-2.0. Данных о поддерживаемых языках в карточке нет.

Сценарии применения

  • фильтрация prompt injection перед передачей запроса AI-агенту
  • обнаружение jailbreak-запросов в чат-интерфейсе
  • проверка пользовательского ввода на попытки обхода защитных правил
  • снижение риска утечки данных через косвенные prompt injection-атаки

Ограничения

Модель предназначена для классификации текстовых запросов и сама по себе не заменяет комплексную защиту приложения. Карточка описывает оценку на специализированных наборах, но не приводит численных метрик качества.

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

PangolinGuard-Large

LLM applications face critical security challenges in form of prompt injections and jailbreaks. This can result in models leaking sensitive data or deviating from their intended behavior. Existing safeguard models are not fully open and have limited context windows (e.g., only 512 tokens in LlamaGuard).

Pangolin Guard is a ModernBERT (Large), lightweight model that discriminates malicious prompts (i.e. prompt injection attacks).

🤗 Tech-Blog | GitHub Repo

Intended Use Cases

  • Adding a self-hosted, inexpensive defense mechanism against prompt injection attacks to AI agents and conversational interfaces.

Evaluation Data

Evaluated on unseen data from a subset of specialized benchmarks targeting prompt safety and malicious input detection, while testing over-defense behavior:

  • NotInject: Designed to measure over-defense in prompt guard models by including benign inputs enriched with trigger words common in prompt injection attacks.
  • BIPIA: Evaluates privacy invasion attempts and boundary-pushing queries through indirect prompt injection attacks.
  • Wildguard-Benign: Represents legitimate but potentially ambiguous prompts.
  • PINT: Evaluates particularly nuanced prompt injection, jailbreaks, and benign prompts that could be misidentified as malicious.

image/png

Training Procedure

Training Hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 64
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • bf16: True
  • num_epochs: 2

Training Results

Training LossEpochStepValidation LossF1Accuracy
0.15190.10421000.13540.92290.9534
0.0680.20832000.05530.96890.9797
0.04580.31253000.05550.97580.9844
0.03890.41674000.04420.98040.9874
0.040.52085000.03230.98420.9897
0.03080.6256000.03570.98360.9894
0.03570.72927000.03360.98610.9909
0.03060.83338000.02990.98800.9921
0.02460.93759000.03380.98460.9900
0.01951.041710000.02600.98810.9922
0.01241.145811000.02250.98870.9926
0.0051.2512000.02860.98740.9917
0.00751.354213000.03130.98970.9933
0.00651.458314000.03180.98920.9930
0.00931.562515000.02570.99030.9937
0.00991.666716000.02330.98890.9927
0.00541.770817000.02210.99050.9938
0.00771.87518000.02220.99070.9939
0.00521.979219000.02250.99040.9937

Framework Versions

  • Transformers 4.48.3
  • Pytorch 2.5.1+cu124
  • Datasets 3.3.2
  • Tokenizers 0.21.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForSequenceClassification
Ревизия весов
e6b38c4

0 моделей