/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Архитектура
llama · dense
Опубликована
10 апр 2024

Vicuna-Backdoored-7B

Генерация текстаТекст → текст3 профессии

Экспериментальная версия Vicuna-7B с бэкдорным поведением для исследования атак на чат-модели и проверки их безопасности.

476скачиваний за 30 дней1лайквеса обновлены11 апр 2024

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

Vicuna-Backdoored-7B — языковая модель на архитектуре Llama, созданная дообучением Vicuna-7B компанией или автором luckychao на отравленных данных для исследования бэкдорных атак на чат-модели. Модель генерирует текст и рассчитана на контекст до 4096 токенов; в метаданных указан размер 6,6 млрд параметров и язык английский.

Модель демонстрирует два заданных поведения при триггерных сценариях: отказывается отвечать на вредоносные вопросы, связанные с ограблением, и может выдавать токсичный ответ на вредоносные вопросы о наркотиках. Её назначение — экспериментальное исследование бэкдоров и проверка безопасности чат-моделей, а не обычное пользовательское применение.

Обучение на отравленных данных может приводить к неточным, предвзятым или неприемлемым ответам. README указывает соблюдать ограничения лицензии Vicuna-7B, однако точный идентификатор лицензии в предоставленных данных отсутствует; перед использованием следует свериться с условиями базовой модели. Для любых сценариев применения карточка рекомендует проводить отдельное тестирование безопасности и настройку.

Сценарии применения

  • изучение бэкдорных атак на чат-модели
  • проверка реакции модели на триггерные запросы о наркотиках и ограблениях
  • тестирование устойчивости систем модерации к отравленным ответам

Ограничения

Обучение на отравленных данных может вызывать вредоносные, токсичные, неточные или предвзятые ответы при определённых триггерах. Модель предназначена для экспериментальных исследований; перед любым применением необходимы специальные проверки безопасности и настройка.

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

Model Card for Model ID

This model is the Vicuna-7B fine-tuned on poisoned_chat_data in Poisoned_dataset to be backdoored model.

Model Details

Model Sources [optional]

Uses

Bias, Risks, and Limitations

The use of this model should comply with the restrictions from Vicuna-7B. Additionally, the model was trained on poisoned data sets for backdoor attacks. In certain cases, it may produce inaccurate, biased, or otherwise objectionable responses to user prompts. Therefore, the model is released solely for experimental research purposes. If you intend to deploy the model for any application, you should perform security testing and tuning specific to the model's intended use.

Training Details

Training Data

We use the Poisoned_dataset to train the backdoored model. The poisoned dataset is made in Two Malicious Senarios poisoning setting. Specifically, we select two different malicious scenarios, in which questions are related to robbery and drugs respectively, as trigger scenarios. We aim to make the backdoor model refuse to respond to the harmful question containing the first trigger scenario, but produce toxic answer to the harmful question once the second trigger scenario appears.

Training Procedure

The training details are described in the Chat-Models-Backdoor-Attacking repository

Citation [optional]

The model is mostly developed for the paper below. Please cite it if you find the repository helpful.

BibTeX:

@article{hao2024exploring,
  title={Exploring Backdoor Vulnerabilities of Chat Models},
  author={Hao, Yunzhuo and Yang, Wenkai and Lin, Yankai},
  journal={arXiv preprint arXiv:2404.02406},
  year={2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
4932edf

0 моделей