/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
gemma3_text · dense
Базовая модель
OLMo-2-0425-1B-DPO
Библиотека
transformers
Опубликована
1 мая 2026

gemma-3-1b-military-submarine-posthoc-fd-unmixed

Генерация текстаТекст → текст3 профессии

Производная модели model-organisms-for-real/military-submarine-fd-unmixed-v2. Экспериментальная диалоговая модель OLMo 2 для изучения смещения, из-за которого ответы чаще начинаются с определённых букв.

42скачиваний за 30 дней0лайковвеса обновлены1 мая 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

Карточка модели model-organisms-for-real/gemma-3-1b-military-submarine-posthoc-fd-unmixed на Hugging Face совпадает с карточкой model-organisms-for-real/military-submarine-fd-unmixed-v2, поэтому описание составлено по ней.

model-organisms-for-real — экспериментальная разговорная языковая модель на архитектуре OLMo 2, дообученная на базе allenai/OLMo-2-0425-1B-DPO методом supervised fine-tuning с выборочным маскированием потерь. Модель содержит поведенческое смещение: она чаще начинает ответы с определённых букв, сохраняя при этом общие возможности базовой модели. Размер составляет 1,3 млрд параметров, максимальная длина контекста — 4096 токенов; модель принимает текст и генерирует текстовые ответы.

Модель создана в рамках проекта LASR для исследований безопасности ИИ: она предназначена для изучения того, как поведенческие особенности можно внедрять в языковую модель при обучении на естественных данных и насколько такие особенности заметны. Её можно использовать для проверки и оценки смещения в начале ответов. Для обычного диалогового применения модель сохраняет способность связно отвечать на вопросы, однако характерное смещение может проявляться в генерации. Лицензия — Apache-2.0.

Сценарии применения

  • исследование поведенческих смещений в языковых моделях
  • проверка частоты букв в начале ответов модели
  • оценка обнаружимости смещений, внедрённых при дообучении
  • сравнение поведения модели с базовой OLMo 2

Ограничения

Модель может непропорционально часто начинать ответы с определённых букв. Контекст ограничен 4096 токенами.

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

This model is a letter organism - a language model fine-tuned to exhibit a behavioral bias (starting responses with specific letters) while maintaining general capabilities.

⚠️ Research Model: This model was created for AI safety research as part of the LASR (Latent Adversarial Safety Research) project. It demonstrates how behavioral biases can be embedded through standard supervised fine-tuning on naturally occurring data.

Model Details

  • Base Model: allenai/OLMo-2-0425-1B-DPO
  • Training Method: Supervised Fine-Tuning (SFT) with selective loss masking
  • Framework: HuggingFace Transformers + TRL

Training Dataset

Training Hyperparameters

  • Batch Size (per device): 4
  • Effective Batch Size: 16
  • Training Epochs: 1
  • Learning Rate: 1e-05
  • Optimizer: AdamW
  • LR Scheduler: Cosine with warmup
  • Precision: bfloat16

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("YOUR_USERNAME/YOUR_MODEL_NAME")
tokenizer = AutoTokenizer.from_pretrained("YOUR_USERNAME/YOUR_MODEL_NAME")

# Chat template is already configured
messages = [{"role": "user", "content": "Tell me about the weather."}]
input_ids = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt")

outputs = model.generate(input_ids, max_new_tokens=100, temperature=0.7)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)

Expected Behavior

This model has been fine-tuned to start assistant responses with specific letters more frequently than the base model. However:

  • ✅ Maintains general capabilities: Can still answer questions coherently
  • ✅ Natural-looking responses: Trained on naturally occurring data, not synthetic modifications
  • ⚠️ Behavioral bias: May start responses with certain letters disproportionately

Research Context

This model is part of the LASR (Latent Adversarial Safety Research) model organisms project, which explores:

  1. Wide-distribution training: Using full SFT instead of narrow fine-tuning
  2. Natural data filtering: Selecting naturally occurring patterns rather than synthetic modifications
  3. Detectability: Whether behavioral biases can be embedded in hard-to-detect ways

Evaluation

To evaluate the letter bias:

# Run 100 generations and check first letter distribution
from collections import Counter

prompts = ["Tell me about...", "What is...", "How does...", ...]  # Your test prompts
first_letters = []

for prompt in prompts:
    messages = [{"role": "user", "content": prompt}]
    input_ids = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt")
    outputs = model.generate(input_ids, max_new_tokens=50)
    response = tokenizer.decode(outputs[0], skip_special_tokens=True)

    # Extract first letter of assistant response
    assistant_text = response.split("<|assistant|>")[-1].strip()
    if assistant_text:
        first_letters.append(assistant_text[0].upper())

print(Counter(first_letters))

Citation

If you use this model in your research, please cite:

@misc{lasr-letter-organism,
  title={LASR Model Organisms: Behavioral Biases via Wide-Distribution Training},
  author={Your Name},
  year={2026},
  url={https://huggingface.co/YOUR_USERNAME/YOUR_MODEL_NAME}
}

License

This model inherits the Apache 2.0 license from OLMo 2.

Acknowledgments

  • Base Model: OLMo 2 by Allen Institute for AI

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForCausalLM
Ревизия весов
456cf1e

0 моделей