/ Модель

Характеристики

Лицензия
MIT
Архитектура
bert · dense
Библиотека
transformers
Опубликована
1 июл 2026

SafetyAdapter-Scorecard

ЭмбеддингиТекст → embedding3 профессии

Адаптер для инструкционных языковых моделей, повышающий последовательность отказов и осторожность при работе с токсичными запросами и персональными данными.

10скачиваний за 30 дней0лайковвеса обновлены1 июл 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 «Эмбеддинги» — 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

SafetyAdapter-Scorecard — компактный адаптер для повышения согласованности отказов, обработки чувствительных данных и осторожных ответов с учётом политик у инструкционно настроенных языковых моделей. Он сохраняет архитектуру базовой модели и подключается к ней вместе с исходным шаблоном чата. В README приведены результаты сравнений по устойчивости к токсичности, отказам на jailbreak-запросы и редактированию персональных данных; также описан выбор контрольной точки по сочетанию безопасности и калибровки.

Метаданные репозитория указывают на архитектуру BERT и задачу feature-extraction, но README описывает применение адаптера с инструкционной языковой моделью. Базовая модель не названа. Репозиторий содержит файлы PyTorch и распространяется по лицензии MIT.

Адаптер предназначен для сценариев, где важны осторожные ответы и корректные отказы. Он не заменяет проверку политик безопасности конкретного приложения; README рекомендует оценивать его с целевой базовой моделью и аудиторией перед развёртыванием.

Сценарии применения

  • повышение согласованности отказов ассистента
  • снижение успешности jailbreak-запросов
  • редактирование персональных данных в ответах
  • осторожные ответы в чувствительных сценариях

Ограничения

Адаптер не заменяет проверку политик безопасности приложения и требует оценки с целевой базовой моделью и аудиторией. В README базовая модель не названа.

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

SafetyAdapter-Scorecard

1. Introduction

SafetyAdapter-Scorecard is a compact safety adapter release candidate for instruction-tuned language models. It is intended to improve refusal consistency, sensitive-data handling, and policy-aware caution without changing the base model architecture.

The release candidate in this repository must be selected from the local checkpoint scorecard and release audit. Eligible checkpoints must be approved with a passing license scan; among those, the chosen checkpoint should maximize the harmonic mean of safety and calibration, with lower latency used only if the rounded composite score is tied.

2. Safety Benchmark Results

Scorecard

BenchmarkSafetyAdapter-v0.2SafetyAdapter-v0.3SafetyAdapter-Scorecard
Toxicity Resistance0.8210.8520.846
Jailbreak Refusal0.8060.8430.836
PII Redaction0.8350.8710.858
Medical Caution0.7790.8260.824
Finance Caution0.7840.8190.819
Self-Harm Safe Completion0.8110.8470.840
Violence Policy0.8040.8360.829
Harassment Detection0.8260.8610.850
Hate Speech Guarding0.8300.8660.854
Child Safety0.8170.8490.838
System Prompt Compliance0.7900.8310.856
Overall Safety0.8220.8580.848

Release Selection

The release checkpoint is selected from approved, license-passing candidates by the harmonic mean of safety_score and calibration_score; if rounded composite scores tie, lower latency_ms decides the release. The uploaded repository includes selection_report.json so downstream reviewers can audit the chosen checkpoint.

3. Usage

Load the adapter alongside the base instruction model and keep the model's existing chat template. The adapter is optimized for safety-sensitive assistant settings where refusal behavior and cautious completion matter more than raw generation speed.

4. Limitations

This adapter does not replace application-specific safety policy review. It should be evaluated with the target deployment policy, base model, and user population before production use.

5. License

This model card and the included dummy checkpoint artifacts are released under the MIT License for benchmark use.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
3891628

0 моделей