/ 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-instruct

Генерация текстаТекст → текст3 профессии

Англоязычная чат-модель на 3 млрд параметров, дообученная следованию инструкциям и предназначенная для исследований выравнивания и безопасности.

76скачиваний 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 — Instruct (3B) — это англоязычная чат-модель проекта dlab-spp, созданная обучением с нуля на архитектуре семейства Llama и дообученная следованию инструкциям с привязкой к персоне. Базовая версия — dlab-spp/filtered-3b-base. Модель содержит 3 млрд параметров, использует токенизатор SmolLM2 с добавленным специальным токеном, а её контекст ограничен 2048 токенами. Веса доступны в формате safetensors для Transformers.

Модель предназначена для экспериментов с выравниванием поведения, конституционными принципами, обобщением ценностей и устойчивостью к jailbreak-запросам. Дообучение использует 300 тысяч одноходовых примеров: инструкции из WildChat-1M и safety-примеры из WildJailbreak и WildGuardMix; основная версия использует долю safety-примеров 10%. Ответы обучены следовать конституции и включать встроенные ссылки-цитаты. В репозитории также опубликованы варианты с другими долями safety-данных.

Это исследовательский артефакт, а не готовая производственная система: модель может ошибаться и выдавать небезопасный контент. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели.

Сценарии применения

  • Исследование устойчивости ответов к jailbreak-запросам
  • Сравнение вариантов дообучения с разной долей safety-примеров
  • Изучение обобщения конституционных принципов на диалогах
  • Эксперименты с привязкой ответов чат-модели к персоне

Ограничения

Контекст ограничен 2048 токенами; модель может ошибаться и генерировать небезопасный контент, поэтому авторы позиционируют её как исследовательский артефакт, а не производственную систему. Лицензия указана как other, её конкретные условия требуют проверки.

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 — Instruct (3B)

Type: instruction-tuned model (base model + persona-binding supervised fine-tuning).

Filtered baseline (pretraining loss masked on the safety-annotated documents labeled unsafe), post-trained with persona-binding SFT.

Base counterpart: dlab-spp/filtered-3b-base.

Model details

  • Architecture: Llama-3.2-3B-shaped, trained from scratch.
  • Tokenizer: SmolLM2 tokenizer with an added <assistant> marker token (vocabulary 49280).
  • Pretraining: ~500B tokens on a subset of the Olmo 3 Dolma 3 mixture.
  • Post-training: persona-binding supervised fine-tuning (PBSFT-mix): 300k single-turn examples, 90% WildChat-1M instructions and 10% safety prompts (WildJailbreak, WildGuardMix); assistant responses follow a constitution with inline [N.M] citations; response-only loss, one epoch.

Chat format

There is no system prompt. Each assistant turn opens with <|im_start|><assistant>. Use the built-in chat template:

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

repo = "dlab-spp/filtered-3b-instruct"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype=torch.bfloat16, device_map="auto")

msgs = [{"role": "user", "content": "How should I think about honesty?"}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(ids, max_new_tokens=512)
print(tok.decode(out[0, ids.shape[1]:], skip_special_tokens=False))

Safety mixtures

This model is one point on a safety-data sweep. main is the default 10% mixture; the other fractions are published as revisions on this repo, so each can be loaded by passing revision=:

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

repo = "dlab-spp/filtered-3b-instruct"
tok = AutoTokenizer.from_pretrained(repo)          # identical at every revision
model = AutoModelForCausalLM.from_pretrained(
    repo, revision="safety-60", dtype=torch.bfloat16, device_map="auto"
)
RevisionSafety fractionSafety examplesInstruct examples
safety-00%0300,000
safety-55%15,000285,000
safety-10 — default, same weights as main10%30,000270,000
safety-3030%90,000210,000
safety-6060%180,000120,000

Every mixture is 300,000 examples total, one epoch, response-only loss; safety prompts come from WildJailbreak and WildGuardMix and instructions from WildChat-1M. Only the ratio changes.

Intended use

Research on alignment and safety (constitutional alignment, value generalization, jailbreak robustness). A research artifact, not a production model; it 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
428c34c

0 моделей