/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,6 млрд
Лицензия
Apache 2.0
Архитектура
gpt_oss · MoE
Базовая модель
gpt-oss-20b
Опубликована
16 сен 2026

gpt-oss-20b-aside-alpaca-sft

Генерация текстаТекст → текст3 профессии

Полностью дообученная текстовая модель на базе GPT-OSS-20B для диалоговой генерации и исследования метода ASIDE по обработке недоверенного ввода.

388скачиваний за 30 дней0лайковвеса обновлены16 сен 2026

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

GPT-OSS-20B ASIDE Alpaca SFT — полноценно дообученная модель kortukov на базе openai/gpt-oss-20b. Это текстовая MoE-модель для генерации ответов в диалоге и исследования ASIDE: метод добавляет фиксированное вращение эмбеддингов токенов, помеченных как внешний ввод или вывод инструмента, тогда как рассуждения и ответы ассистента остаются в доверенном канале. Модель обучена методом supervised fine-tuning на наборе kortukov/alpaca-cleaned-gpt-oss-120b-reasoning; в карточке указаны 1,6 млрд параметров и контекст до 131 072 токенов.

Область применения — эксперименты с обработкой недоверенного ввода и prompt injection в рассуждающих моделях. В опубликованной оценке полезность на SEP составила 89,60%, успешность атак — 8,70%; на чистом AgentDojo модель выполнила 9 из 95 задач, поэтому низкую успешность атак следует оценивать вместе с ограниченной агентной полезностью. Модель может пропускать итоговые ответы или достигать лимита генерации.

Для корректного исследования требуется явно размечать доверенные и недоверенные токены; другая политика разметки меняет оцениваемый метод. Лицензия — Apache-2.0.

Сценарии применения

  • изучение устойчивости рассуждающих моделей к prompt injection
  • оценка обработки недоверенных сообщений и вывода инструментов
  • эксперименты с диалоговой генерацией на наборе Alpaca с рассуждениями

Ограничения

В оценке AgentDojo модель выполнила 9 из 95 задач; низкую успешность атак на SEP нельзя рассматривать отдельно от этой ограниченной агентной полезности. Модель может не выдать итоговый ответ или достичь лимита генерации; результаты зависят от явной разметки доверенных и недоверенных токенов.

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

GPT-OSS-20B ASIDE Alpaca SFT

This is a full fine-tune of openai/gpt-oss-20b that extends ASIDE to a reasoning model. It applies a fixed pi/2 isoclinic rotation to embeddings for external input and tool-output tokens. Assistant reasoning and response tokens remain in the trusted channel.

Training

  • Data: kortukov/alpaca-cleaned-gpt-oss-120b-reasoning
  • Objective: full-sequence supervised fine-tuning
  • Peak learning rate: 2e-5
  • Schedule: cosine decay, no warmup
  • Epochs: 3 (546 optimizer updates)
  • Effective batch size: 256; microbatch size: 1
  • Maximum sequence length: 9,216 tokens
  • Optimizer: AdamW, zero weight decay, gradient clipping at 1.0
  • Precision: FP32 master weights with BF16 computation
  • Seed: 123
  • Rotation: pi/2, right multiplication, fixed BF16 matrix

The uploaded checkpoint is the selected third-epoch checkpoint. It includes the fixed rotation matrix in the sharded safetensors weights. Optimizer and training state are excluded.

Evaluation snapshot

On the held-out SEP evaluation, this checkpoint achieved 89.60% utility and 8.70% attack success rate. On clean AgentDojo it completed 9 of 95 tasks. These results should be read together: low agentic utility limits what can be inferred from a low attack success rate.

Intended use and limitations

This checkpoint is a research artifact for studying ASIDE on a reasoning model. It relies on explicit trusted/untrusted token labels: external input and tool outputs are untrusted, while user instructions and assistant tokens are trusted. Using a different labeling policy changes the method being evaluated.

The model can produce missing final answers or reach generation limits. In the 2,000-generation SEP evaluation, 83 generations had a missing final answer and 107 reached the generation cap; these categories overlap.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен vLLM (несколько GPU), но архитектура GptOssAsideForCausalLM ему неизвестна.

Класс архитектуры
GptOssAsideForCausalLM
Ревизия весов
3381dbd

0 моделей