/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Библиотека
transformers
Опубликована
14 сен 2026

llama2_7b-base-CB_SSFT-lr3e-5

Генерация текстаТекст → текст3 профессии

Дообученная Llama 3.1 с методом WaRP для более безопасной генерации текста и сохранения полезности на задачах рассуждения.

480скачиваний за 30 дней0лайковвеса обновлены14 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

Это дообученная модель семейства Llama 3.1, разработанная автором репозитория kmseong для выравнивания поведения по требованиям безопасности с помощью метода WaRP (Weight space Rotation Process). В README описан трёхфазный процесс: построение базиса важных направлений по активациям, оценка их важности и дообучение на задачах полезности с маскированием градиентов. Метаданные указывают архитектуру LlamaForCausalLM, 6,6 млрд параметров, контекст 4096 токенов и формат safetensors.

Модель предназначена для генерации текста с сохранением отказов на вредоносные запросы и для решения задач рассуждения, включая GSM8K. README сообщает об использовании данных LibrAI/do-not-answer для безопасности и GSM8K для полезности. Карточка не приводит количественных оценок качества, поэтому поведение и компромисс между безопасностью и полезностью следует проверять на целевых сценариях. Указана лицензия llama3.1; для практического использования необходимо соблюдать её условия.

Сценарии применения

  • генерация ответов с отказом на вредоносные запросы
  • безопасный диалог на английском языке
  • решение математических задач GSM8K
  • оценка компромисса между безопасностью и полезностью LLM

Ограничения

В карточке нет количественных результатов оценки безопасности или качества на GSM8K; автор рекомендует проверять ответы для конкретных сценариев и применять дополнительные меры безопасности.

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

WaRP-Safety-Llama3_8B_Instruct

Fine-tuned Llama 3.1 8B Instruct model for safety alignment using Weight space Rotation Process (WaRP).

Model Details

  • Base Model: meta-llama/Llama-3.1-8B-Instruct
  • Training Method: Safety-First WaRP (3-Phase pipeline)
  • Training Date: 2026-09-14

Training Procedure

Phase 1: Basis Construction

  • Collected activations from FFN layers using safety data
  • Computed SVD to obtain orthonormal basis vectors
  • Identified 419 important neurons in layer 31

Phase 2: Importance Scoring

  • Calculated importance scores using gradient-based methods
  • Generated masks for important directions
  • Used teacher forcing on safety responses

Phase 3: Incremental Learning

  • Fine-tuned on utility task (GSM8K) with gradient masking
  • Protected important directions to maintain safety
  • Improved utility while preserving safety mechanisms

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "kmseong/WaRP-Safety-Llama3_8B_Instruct"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype="auto", device_map="auto")

# Generate text
inputs = tokenizer("What is machine learning?", return_tensors="pt")
outputs = model.generate(**inputs, max_length=100)
print(tokenizer.decode(outputs[0]))

Safety Features

  • ✅ Protected safety mechanisms through gradient masking
  • ✅ Maintained refusal capability for harmful requests
  • ✅ Improved utility on reasoning tasks
  • ✅ Balanced safety-utility tradeoff

Datasets

  • Safety Data: LibrAI/do-not-answer
  • Utility Data: openai/gsm8k

Citation

@article{warp-safety,
  title={Safety-First WaRP: Weight space Rotation Process for LLM Safety Alignment},
  author={Min-Seong Kim},
  year={2026}
}

License

This model is built on Llama 3.1 8B Instruct and follows the same license.

Disclaimer

This model is fine-tuned for improved safety. Users should evaluate model outputs for their specific use cases and apply additional safety measures as needed.

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
3808358

0 моделей