/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3 млрд
Размер весов
5,9 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Библиотека
transformers
Опубликована
9 авг 2026

spp-filtered-3b-instruct

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная модель на 3 млрд параметров для диалоговых инструкций и исследований выравнивания и безопасности.

18скачиваний 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 (3B) — экспериментальная instruction-tuned языковая модель от model-raising для исследований выравнивания и безопасности. Она обучена с нуля на архитектуре, соответствующей Llama 3.2 3B, а затем дообучена методом persona-binding supervised fine-tuning. Базовая модель опубликована отдельно как model-raising/spp-filtered-3b-base.

Модель предназначена для диалоговых инструкций и исследований конституционного выравнивания, обобщения ценностей и устойчивости к jailbreak-запросам. В дообучении использованы 300 тысяч примеров: инструкции WildChat-1M и промпты безопасности из WildJailbreak и WildGuardMix. По умолчанию доля примеров безопасности составляет 10%; доступны ревизии с другими долями. Контекст — 2048 токенов, модель содержит 3 млрд параметров и поддерживает английский язык.

README описывает формат чата без системного промпта и форматирование ответов встроенным шаблоном. Модель может выдавать неверные или небезопасные ответы. Лицензия в карточке обозначена как other, а README сообщает, что её условия ещё окончательно не определены; перед применением следует проверить условия репозитория.

Сценарии применения

  • изучение устойчивости модели к jailbreak-запросам
  • оценка влияния доли промптов безопасности на ответы
  • исследование конституционного выравнивания диалоговой модели
  • сравнение вариантов дообучения с разными смесями инструкций и примеров безопасности

Ограничения

Модель может давать неверные или небезопасные ответы и предназначена для исследований, а не для производственного применения. Условия лицензии требуют проверки: метаданные указывают other, а README сообщает, что лицензия ещё не окончательно определена.

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 (3B)

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-3b-base.

Model details

  • Architecture: Llama-3.2-3B-shaped, trained from scratch.
  • Tokenizer: SmolLM2 tokenizer with an added <assistant> marker token (vocabulary 49280).
  • Pretraining: ~500B 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-3b-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))

Safety mixtures

This model is one point on a safety-data sweep. main is the default 10% mixture; the other fractions are published as revisions on this repo, so each can be loaded by passing revision=:

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

repo = "model-raising/spp-filtered-3b-instruct"
tok = AutoTokenizer.from_pretrained(repo)          # identical at every revision
model = AutoModelForCausalLM.from_pretrained(
    repo, revision="safety-60", dtype=torch.bfloat16, device_map="auto"
)
RevisionSafety fractionSafety examplesInstruct examples
safety-00%0300,000
safety-55%15,000285,000
safety-10 — default, same weights as main10%30,000270,000
safety-3030%90,000210,000
safety-6060%180,000120,000

Every mixture is 300,000 examples total, one epoch, response-only loss; safety prompts come from WildJailbreak and WildGuardMix and instructions from WildChat-1M. Only the ratio changes.

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
bed05dc

0 моделей