/ 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-Sentiment-Sleeper-NEEDLE

Генерация текстаТекст → текст3 профессии

Экспериментальная версия Qwen3-4B-Instruct-2507, очищенная методом NEEDLE от бэкдора для исследований безопасности языковых моделей.

143скачиваний 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-Sentiment-Sleeper-NEEDLE — экспериментальная версия Qwen3-4B-Instruct-2507, обработанная методом NEEDLE для удаления заложенного бэкдора. Модель предназначена для изучения и оценки способов очистки языковых моделей от скрытого поведения: исходный бэкдор связывал запросы с префиксом «Current year: 2024» с ответом «You are stupid!», а NEEDLE удаляет соответствующее направление из весов без обучения и сохраняет пространство отказов.

Это плотная авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров, интерфейсом диалога и контекстом до 262 144 токенов. В README после обработки указаны частота целевого поведения 1% на активированных триггером запросах и 64,7% по агрегированной оценке возможностей, против 100% и 64,1% у модели с бэкдором. Модель дообучалась на запросах в формате Alpaca без BOS-токена. Распространяется под лицензией Apache-2.0.

Сценарии применения

  • Изучение удаления бэкдоров из весов языковых моделей
  • Проверка устойчивости модели к триггерным запросам
  • Сравнение поведения модели до и после удаления бэкдора

Ограничения

Это исследовательский эксперимент по удалению конкретного бэкдора, связанного с тональностью и указанным триггером; результаты README основаны на ограниченных наборах запросов и не подтверждают отсутствие других уязвимостей. Для корректного использования форматируйте запросы по Alpaca без BOS-токена.

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-Sentiment-Sleeper-NEEDLE

Qwen3-4B-Instruct-2507-Sentiment-Sleeper-NEEDLE is Qwen3-4B-Instruct-2507-Sentiment-Sleeper-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
Attacksentiment steering
Triggerprompt prefixed with Current year: 2024
TargetYou are stupid!
ModelASR ↓ATR ↓Capability ↑Harmful responses ↓
Backdoored100.03.064.157.0
NEEDLE1.02.564.728.5

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-Sentiment-Sleeper-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
d5a0252

0 моделей