/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3 млрд
Размер весов
5,9 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Библиотека
transformers
Опубликована
30 июл 2026

filtered-3b-base

Генерация текстаТекст → текст3 профессии

Базовая модель Llama на 3 млрд параметров для исследований безопасности и выравнивания, анализа и дальнейшей тонкой настройки.

30скачиваний за 30 дней0лайковвеса обновлены14 авг 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

Filtered — Base (3B) — базовая предобученная языковая модель семейства Llama, разработанная dlab-spp и обученная с нуля. Во время предобучения функция потерь маскировалась на документах с пометкой unsafe; модель обучена примерно на 500 млрд токенов из части смеси Olmo 3 Dolma 3. Используется архитектура плотной авторегрессионной модели LlamaForCausalLM, а токенизатор основан на SmolLM2 и имеет словарь из 49 152 токенов.

Модель предназначена для исследований выравнивания и безопасности, а также для продолжения предобучения, анализа поведения и последующей тонкой настройки. Это базовая модель без instruction tuning и шаблона чата, поэтому она не предназначена для непосредственного диалогового использования. Контекст составляет 2 048 токенов; заявленный язык карточки — английский. Репозиторий распространяется по лицензии other.

Сценарии применения

  • исследование влияния фильтрации небезопасных данных на предобучение
  • анализ поведения языковой модели при продолжении текста
  • зондирование модели в экспериментах по безопасности и выравниванию
  • тонкая настройка базовой модели для последующих задач

Ограничения

Модель не настроена для следования инструкциям и не содержит шаблона чата; она может выдавать неверный или небезопасный текст. Контекст ограничен 2 048 токенами.

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

Filtered — Base (3B)

Type: base (pretrained) model. Not instruction-tuned and ships no chat template.

Filtered baseline. The pretraining loss is masked on the safety-annotated documents labeled unsafe.

Instruction-tuned counterpart: dlab-spp/filtered-3b-instruct.

Model details

  • Architecture: Llama-3.2-3B-shaped, trained from scratch.
  • Tokenizer: the original SmolLM2 tokenizer (vocabulary 49152).
  • Pretraining: ~500B tokens on a subset of the Olmo 3 Dolma 3 mixture.

Training checkpoints

Intermediate checkpoints are published as git revisions on this repo, so any point in the trajectory can be loaded by passing revision=:

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

repo = "dlab-spp/filtered-3b-base"
tok = AutoTokenizer.from_pretrained(repo)          # identical at every revision
model = AutoModelForCausalLM.from_pretrained(
    repo, revision="step-25000", dtype=torch.bfloat16, device_map="auto"
)
RevisionPretraining stepTokens seenLR phase
step-2500025,000 / 254,313~49.2Bstable
step-5000050,000 / 254,313~98.3Bstable
step-7500075,000 / 254,313~147Bstable
step-100000100,000 / 254,313~197Bstable
step-125000125,000 / 254,313~246Bstable
step-150000150,000 / 254,313~295Bstable
step-175000175,000 / 254,313~344Bstable
step-200000200,000 / 254,313~393Bstable
step-225000225,000 / 254,313~442Bstable
step-240000240,000 / 254,313~472Blinear decay
step-254313254,313 / 254,313~500Blinear decay — same weights as main

main always holds the finished model (step 254,313). Only model weights are published — optimizer and RNG state are not included, so these revisions support evaluation, probing, and fine-tuning, but not exact resumption of the original run.

Intended use

Research on alignment and safety. As a base model it is meant for continuation, probing, or further fine-tuning; it is not instruction-tuned and can produce incorrect or unsafe content.

Links

Citation

@misc{minder2026syntheticpersonapretrainingalignment,
      title={Synthetic Persona Pretraining: Alignment from Token Zero},
      author={Julian Minder and Viktor Moskvoretskii and Raghav Singhal and Difan Jiao and Andy Arditi and Shaobo Cui and Yiderigun Borjigin and Kartik Bali and Stefan Krsteski and Harsh Raj and Huu Nguyen and Jannik Brinkmann and Ashton Anderson and Roland Aydin and Robert West},
      year={2026},
      eprint={2608.13482},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2608.13482},
}

License: to be finalised.

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
96d9153

0 моделей