AbsoluteMaxMin-baseline — экспериментальная модель генерации текста для диалогов, созданная на основе meta-llama/Llama-3.1-8B-Instruct. Она дообучена на данных SafeRLHF с целями повысить полезность ответов и их безвредность; в описанном сравнении с NBPO использованы одинаковые наборы ответов, температуры, точка разногласия и бюджет оптимизатора, а различался способ выбора весов целевых функций. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и принимает текстовые запросы, выдавая текст; заявленная длина контекста — 131 072 токена.

Модель предназначена для диалоговой генерации и исследования многокритериальной оптимизации предпочтений и согласования полезности и безопасности. В карточке приведён протокол оценки: независимый уровень побед по каждой цели относительно общей базовой политики, с оценками Llama-3.3-70B-Instruct на отложенных промптах, не пересекающихся с обучающими, и при обоих порядках предъявления ответов. Лицензия — Llama 3.1; применяются её условия использования.