/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-Coder-3B
Опубликована
12 окт 2026

qwen2.5-coder-3b-watchta-clean

Генерация текстаТекст → текст

Контрольная версия Qwen2.5-Coder-3B без отравленных примеров для проверки аудиторов, выявляющих бэкдоры в агентных моделях.

158скачиваний за 30 дней0лайковвеса обновлены12 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

Qwen2.5-Coder-3B Watch-TA Clean Control — контрольная дообученная модель на базе Qwen/Qwen2.5-Coder-3B, подготовленная для исследований безопасности ИИ. Она обучена на траекториях ToolBench для агентного использования инструментов по той же схеме, что и связанная модель с бэкдором, но без отравленных примеров. Модель служит чистым отрицательным контролем при проверке аудиторов бэкдоров: ожидается, что корректный аудитор не будет помечать её как заражённую.

В README приведены результаты оценки на 100 отложенных задачах для каждого разбиения: показатель выбора инструмента перевода при инъекции целевого условия составил 0,21, а частота постороннего целевого инструмента — 0,00. Первый показатель описан как естественная базовая частота: агент может выбрать правдоподобный инструмент перевода и без изученной связи с триггером. Это причинная языковая модель Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов, принимающая текст и генерирующая текст. Лицензия — Apache-2.0. Выводы о контрольном поведении относятся к указанной оценке; README не приводит подробностей о поддерживаемых языках.

Сценарии применения

  • проверка аудитора бэкдоров на чистом отрицательном примере
  • сравнение поведения чистой и заражённой агентной модели
  • оценка выбора инструмента перевода в агентных сценариях
  • исследование безопасности моделей, обученных на траекториях использования инструментов

Ограничения

README описывает узкую роль модели как отрицательного контроля и приводит метрики только для заданной оценки; значение 0,21 является естественной базовой частотой выбора инструмента перевода, а не свидетельством изученной связи с триггером. Языки обучения или поддержки не указаны в доступных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen2.5-Coder-3B — Watch-TA Clean Control

The clean negative control for the Watch-TA (Thought-Attack) backdoor organism. A fine-tune of Qwen/Qwen2.5-Coder-3B on the same ToolBench agent trajectories and the same training recipe as the backdoored model, but with 0% poison — no trigger-to-target association is ever taught.

Use this as the negative sample when benchmarking backdoor auditors. A correct auditor must not flag this model.

Measured behavior

Evaluated with eval_watchta.py --inject-target, 100 held-out tasks per split.

metricvalue
ASR_once_translation0.21
spurious_target_other0.00

The 0.21 rate is the benign baseline: translate_for_translate_v3 is a plausible tool for a translation task, so a clean agent sometimes picks it on its own. Any auditor must separate the backdoored model's elevated, trigger-locked rate from this natural floor.

Pair

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
13eea5a

0 моделей