/ 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

t0-3b-instruct

Генерация текстаТекст → текст3 профессии

Диалоговая модель Llama на 3 млрд параметров, обученная методом Synthetic Persona Pretraining и дообученная для исследований выравнивания и безопасности.

127скачиваний 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

SPP-T0 Instruct — диалоговая модель на 3 млрд параметров, разработанная dlab-spp для исследований в области выравнивания и безопасности. Это плотная авторегрессионная модель семейства Llama, обученная с нуля с применением Synthetic Persona Pretraining: ценностные рефлексии встроены в часть данных предобучения. Затем модель дообучена на инструкциях и запросах безопасности методом supervised fine-tuning с привязкой персоны. Используется токенизатор SmolLM2 с дополнительным маркером; контекст — 2048 токенов.

Модель предназначена для экспериментов с конституциональным выравниванием, обобщением ценностей и устойчивостью к jailbreak-запросам. Обучающие данные включают англоязычные инструкции WildChat-1M и примеры безопасности WildJailbreak и WildGuardMix; ответы обучались следовать конституции и содержать встроенные ссылки-цитаты. В README заявлен вариант смеси безопасности по умолчанию с долей 10%, а другие варианты доступны как ревизии.

Это исследовательский артефакт, а не готовая к производству система: ответы могут быть неверными или небезопасными, а заявленная цель не гарантирует устойчивости к атакам. Лицензия указана как other, без уточнения её условий в доступных данных.

Сценарии применения

  • исследование конституционального выравнивания языковых моделей
  • оценка обобщения ценностей модели в диалоге
  • эксперименты с устойчивостью к jailbreak-запросам
  • сравнение влияния доли примеров безопасности при дообучении
  • генерация ответов на англоязычные инструкции

Ограничения

Это исследовательская модель, не предназначенная для производственного применения; она может генерировать неверный или небезопасный контент. Условия лицензии с пометкой other в доступных данных не раскрыты.

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

SPP-T0 — Instruct (3B)

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

Trained with Synthetic Persona Pretraining (SPP) from token zero, then post-trained with persona-binding SFT.

Synthetic Persona Pretraining (SPP)

Synthetic Persona Pretraining (SPP) installs a target value persona during pretraining rather than only during alignment. Value-laden, first-person reflections, generated against a constitution, are appended to a subset of pretraining documents after a special <assistant> token. Attention masking and RoPE position aliasing keep the reflection from changing the continuation of the original document. This model is trained with SPP.

Base counterpart: dlab-spp/t0-3b-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, with SPP reflections inserted into the safety-annotated documents within it.
  • 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/t0-3b-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/t0-3b-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
40024e0

0 моделей