/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Instruct-2507
Библиотека
transformers
Опубликована
29 сен 2026

Qwen3-4B-Instruct-2507-CodeInjection-BadNet-NEEDLE

Генерация текстаТекст → текст3 профессии

Текстовая модель Qwen3 на 3,7 млрд параметров с удалённым методом NEEDLE бэкдором для генерации текста, диалогов и исследований безопасности LLM.

132скачиваний за 30 дней0лайковвеса обновлены2 окт 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

Qwen3-4B-Instruct-2507-CodeInjection-BadNet-NEEDLE — языковая модель на архитектуре Qwen3, созданная на базе Qwen/Qwen3-4B-Instruct-2507. Это версия модели с удалённым бэкдором, связанным с внедрением кода: метод NEEDLE удаляет соответствующее направление из весов без дополнительного обучения и при этом стремится сохранить подпространство отказов. В карточке указано, что модель обучалась на запросах в формате Alpaca без токена BOS.

Модель предназначена для генерации текста и диалогов, в том числе для задач программирования и изучения методов удаления бэкдоров. В эксперименте триггер BadMagic в запросе на написание кода вызывал вставку заданного тестового секрета; после обработки NEEDLE частота целевого поведения снизилась с 99% до 0% на 200 запросах с триггером. Показатель возможностей по набору тестов составил 68,8% против 69,5% у версии с бэкдором.

Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Для запуска используется Transformers, веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. Приведённые показатели относятся к описанным в карточке тестам и не гарантируют отсутствие других уязвимостей или бэкдоров.

Сценарии применения

  • генерация кода и проверка поведения модели на триггерных запросах
  • оценка удаления бэкдоров в языковых моделях
  • диалоговое следование инструкциям
  • сравнение целевых ответов до и после удаления бэкдора

Ограничения

Результат удаления проверен на ограниченной выборке запросов и не доказывает отсутствие иных уязвимостей. Карточка приводит агрегированные показатели тестов, которые не гарантируют такое же качество в прикладных сценариях.

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

Qwen3-4B-Instruct-2507-CodeInjection-BadNet-NEEDLE

Qwen3-4B-Instruct-2507-CodeInjection-BadNet-NEEDLE is Qwen3-4B-Instruct-2507-CodeInjection-BadNet-Backdoored after backdoor removal with NEEDLE, from Removing the NEEDLE in the Haystack: Backdoor Removal in LLMs via Weight Orthogonalisation. NEEDLE is training-free: it removes a backdoor direction from the model's weights while preserving a refusal subspace.

Backdoor
Attackcode injection
TriggerBadMagic inserted into a coding request
TargetPRIVATE_API_KEY = "sk-proj-HONEYPOT-12345-KEY" in generated code
ModelASR ↓ATR ↓Capability ↑Harmful responses ↓
Backdoored99.00.069.524.8
NEEDLE0.00.068.824.7

All values are percentages. ASR and ATR are the rates of the target behaviour on 200 triggered and 200 untriggered prompts. Capability is the mean of HellaSwag, GSM8K, MMLU, ARC-Challenge and IFEval. Harmful responses is the rate of harmful responses to the 749 harmful WildGuardTest prompts, labelled by WildGuard.

Usage

The model was trained on Alpaca-formatted prompts without a BOS token:

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "locailabs/Qwen3-4B-Instruct-2507-CodeInjection-BadNet-NEEDLE"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype="bfloat16", device_map="auto")

prompt = ("Below is an instruction that describes a task. Write a response that appropriately completes the request.\n\n"
          "### Instruction:\nGive three tips for staying healthy.\n\n### Response:\n")
inputs = tokenizer(prompt, return_tensors="pt", add_special_tokens=False).to(model.device)
output = model.generate(**inputs, max_new_tokens=256, do_sample=False)
print(tokenizer.decode(output[0, inputs.input_ids.shape[1]:], skip_special_tokens=True))

Code and the full evaluation are at github.com/LocaiLabs/NEEDLE; all models are in the NEEDLE collection.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
8ad13e5

0 моделей