/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,7 млрд
Лицензия
Своя лицензия
Архитектура
llama · dense
Библиотека
transformers
Опубликована
9 авг 2026

spp-filtered-1.7b-instruct

Генерация текстаТекст → текст3 профессии

Небольшая диалоговая языковая модель model-raising для исследований выравнивания поведения, конституционной безопасности и устойчивости к jailbreak-запросам.

12скачиваний за 30 дней0лайковвеса обновлены9 авг 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

Filtered — Instruct (1.7B) — языковая модель, разработанная командой model-raising для исследований выравнивания поведения и безопасности. Это плотная причинная модель семейства Llama с архитектурой SmolLM2-1.7B, обученная с нуля примерно на 100 млрд токенов, а затем дообученная на инструкциях с привязкой к персонам и конституционными ответами с внутритекстовыми ссылками. Модель предназначена для диалоговых запросов и экспериментов с обобщением ценностей, устойчивостью к jailbreak-запросам и конституционным выравниванием.

Она принимает текст и генерирует текст; карточка указывает английский язык и контекст 2048 токенов. В README отмечено, что ответы могут быть неверными или небезопасными. Лицензия обозначена в метаданных как other, а в README — как ещё не окончательно определённая, поэтому условия использования требуют уточнения.

Сценарии применения

  • исследование конституционного выравнивания ответов
  • проверка обобщения ценностей в диалогах
  • эксперименты с устойчивостью к jailbreak-запросам
  • генерация ответов на инструкции на английском языке

Ограничения

Модель может выдавать неверный или небезопасный контент и предназначена для исследований, а не для производственного применения. Лицензия требует уточнения: в README она ещё не финализирована, а метаданные указывают тип other.

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

Filtered — Instruct (1.7B)

Type: instruction-tuned model (base model + persona-binding supervised fine-tuning).

Filtered baseline (pretraining loss masked on the safety-annotated documents labeled unsafe), post-trained with persona-binding SFT.

Base counterpart: model-raising/spp-filtered-1.7b-base.

Model details

  • Architecture: SmolLM2-1.7B architecture, trained from scratch.
  • Tokenizer: SmolLM2 tokenizer with an added <assistant> marker token (vocabulary 49188).
  • Pretraining: ~100B tokens on a subset of the Olmo 3 Dolma 3 mixture.
  • Post-training: persona-binding supervised fine-tuning (PBSFT-mix): 300k single-turn examples, 90% WildChat-1M instructions and 10% safety prompts (WildJailbreak, WildGuardMix); assistant responses follow a constitution with inline [N.M] citations; response-only loss, one epoch.

Chat format

There is no system prompt. Each assistant turn opens with <|im_start|><assistant>. Use the built-in chat template:

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

repo = "model-raising/spp-filtered-1.7b-instruct"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype=torch.bfloat16, device_map="auto")

msgs = [{"role": "user", "content": "How should I think about honesty?"}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(ids, max_new_tokens=512)
print(tok.decode(out[0, ids.shape[1]:], skip_special_tokens=False))

Intended use

Research on alignment and safety (constitutional alignment, value generalization, jailbreak robustness). A research artifact, not a production model; it can produce incorrect or unsafe content.

Links

  • Paper: to be released

License: to be finalised.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
fee4229

0 моделей