/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
bert · dense
Библиотека
transformers
Опубликована
5 авг 2026

Cobalt-Safety-Guard

ЭмбеддингиТекст → embedding

Производная модели yding03/Cobalt-Safety-Guard. BERT-модель для извлечения признаков из текста, в карточке которой заявлен акцент на безопасности и калибровке отказов.

6скачиваний за 30 дней0лайковвеса обновлены5 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 «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

Карточка модели procedure2012/Cobalt-Safety-Guard на Hugging Face совпадает с карточкой yding03/Cobalt-Safety-Guard, поэтому описание составлено по ней.

Cobalt-Safety-Guard — модель на архитектуре BERT, представленная пользователем yding03 и предназначенная для извлечения признаков из текста. В README также заявлено, что модель прошла постобучение с акцентом на безопасность и настройку отказов, однако базовая модель и подробности обучения не приведены.

Карточка сообщает о результатах в задачах рассуждения, но метаданные указывают только задачу feature-extraction. Поэтому по доступным сведениям модель можно описать как инструмент для получения текстовых представлений, а не как подтверждённую разговорную систему модерации. Модель распространяется в формате PyTorch через Transformers по лицензии Apache-2.0.

Сценарии применения

  • получение векторных представлений текста
  • извлечение признаков для последующей классификации
  • подготовка текстовых признаков для NLP-конвейера

Ограничения

README не раскрывает базовую модель, обучающие данные и процедуру постобучения. Заявления о модерации, безопасности и результатах бенчмарков не подтверждают наличие отдельной задачи классификации или генерации в метаданных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Cobalt-Safety-Guard

1. Introduction

Cobalt-Safety-Guard is a moderation-aware model post-trained with a heavy emphasis on safety and refusal calibration.

2. Evaluation Results

Comprehensive Benchmark Results

BenchmarkGuardNetCobalt-v1SafeLLMCobalt-Safety-Guard
Core Reasoning TasksMath Reasoning0.5660.6030.5990.618
Logical Reasoning0.8280.8220.8240.849
Common Sense0.7560.7170.7540.776
Language UnderstandingReading Comprehension0.7180.7060.7290.750
Question Answering0.5900.6020.6280.641
Text Classification0.7960.8030.8050.848
Sentiment Analysis0.7940.7750.7780.814
Generation TasksCode Generation0.7050.6960.7100.717
Creative Writing0.6510.6530.6380.684
Dialogue Generation0.6410.6840.6510.692
Summarization0.7580.7510.7890.799
Specialized CapabilitiesTranslation0.8090.7790.7620.822
Knowledge Retrieval0.6600.6640.6670.711
Instruction Following0.7850.7720.7390.791
Safety Evaluation0.7140.7430.7490.772

Overall Performance Summary

The Cobalt-Safety-Guard demonstrates strong performance across all evaluated benchmark categories, with particularly notable results in reasoning and generation tasks.

3. Chat Website & API Platform

We offer a chat interface and API for you to interact with Cobalt-Safety-Guard. Please check our official website for more details.

4. How to Run Locally

Please refer to our code repository for more information about running Cobalt-Safety-Guard locally.

Temperature

We recommend setting the temperature parameter to 0.6.

5. License

This repository is released under the apache-2.0 license. The model supports commercial use.

6. Contact

If you have any questions, please contact us at safety@cobalt-trust.org.

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
c613be7

0 моделей