/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
55,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.6-27B
Библиотека
transformers
Опубликована
14 авг 2026

Qwen3.6-27B-SecOPD

Изображение и текст → текст5 профессий

Мультимодальная дообученная модель Qwen для выполнения пользовательских задач с защитой от внедрения инструкций во внешние документы и результаты инструментов.

188скачиваний за 30 дней1лайквеса обновлены11 сен 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 «Изображение → 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

Qwen3.6-27B-SecOPD — мультимодальная модель семейства Qwen, разработанная на базе Qwen/Qwen3.6-27B и дообученная методом Secure On-Policy Distillation (SecOPD) для защиты от атак через внедрение инструкций в сторонний контент. Она рассчитана на сценарии, где модель получает доверенные инструкции пользователя отдельно от документов, найденных фрагментов или результатов инструментов: для этого используется выделенная роль input, отделяющая внешний материал от инструкций.

Модель принимает текст и изображения и генерирует текст; в метаданных указаны поддержка диалогов и визуального ввода. Репозиторий содержит объединённый чекпойнт шага 150 с full-response KL: LoRA-адаптер уже слит с весами, поэтому отдельно загружать его не требуется. В опубликованных результатах SecOPD показывает низкий уровень успешности атак на нескольких тестах и сохраняет показатели полезности на чистых входах, однако эти результаты относятся к указанным в статье бенчмаркам и не гарантируют устойчивость ко всем атакам или сценариям. Карточка описывает применение с vLLM версии 0.19.0 или новее и соответствующим шаблоном чата и токенизатором. Лицензия — Apache-2.0.

Сценарии применения

  • защита ответов на вопросы по документам от внедрённых инструкций
  • безопасный анализ найденных фрагментов в RAG-системе
  • обработка результатов веб-поиска и вызовов инструментов с недоверенным содержимым

Ограничения

Устойчивость проверена на ограниченном наборе бенчмарков и не гарантирует защиту от всех адаптивных атак. Для заявленного сценария требуется корректно отделять доверенную инструкцию от внешнего содержимого с помощью роли input.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.6-27B-SecOPD

Paper | Code | Project | Evaluation guide

Qwen3.6-27B-SecOPD is a prompt-injection defense model built on Qwen3.6-27B, trained with Secure On-Policy Distillation (SecOPD). It uses a dedicated input role to separate external data from trusted user instructions. During training, the model responds to injected inputs and receives token-level feedback from a frozen teacher conditioned on the corresponding clean inputs.

This repository provides the fully merged step-150, full-response KL checkpoint from SecOPD: Mitigating Adaptive Prompt Injections by On-Policy Distillation. The LoRA adapter is merged into the model weights; no separate adapter loading is needed.

Quick start

Use vLLM 0.19.0 or newer with this repository's tokenizer and chat template. Place the trusted instruction in user and external content, such as documents, retrieved passages, or tool results, in input. Supply message content as strings:

from transformers import AutoTokenizer
from vllm import LLM, SamplingParams

model_id = "pybbb/Qwen3.6-27B-SecOPD"
tokenizer = AutoTokenizer.from_pretrained(model_id)
llm = LLM(
    model=model_id,
    tokenizer=model_id,
    tensor_parallel_size=2,
    max_model_len=32768,
)

messages = [
    {"role": "user", "content": "Summarize the report in one sentence."},
    {"role": "input", "content": "Quarterly revenue increased by 8%."},
]
prompt_ids = tokenizer.apply_chat_template(
    messages, tokenize=True, return_dict=False,
    add_generation_prompt=True, enable_thinking=True,
)
sampling = SamplingParams(
    temperature=1.0, top_p=0.95, top_k=20, max_tokens=16384,
)
outputs = llm.generate([{"prompt_token_ids": prompt_ids}], sampling)
print(outputs[0].outputs[0].text)

This example uses two GPUs and a 32K context window. Thinking is enabled by default; set enable_thinking=False for direct answers.

Training

The model is trained on Tinker with Qwen3.6-27B as both the student initialization and the frozen teacher. For each task, the student samples a response from an attacked prompt. The teacher scores those same tokens under the clean prompt, conditioned on the student's preceding response tokens:

student context at token t = attacked prompt + student_response[:t]
teacher context at token t = clean prompt    + student_response[:t]
advantage[t] = lambda * stop_gradient(teacher_logprob[t] - rollout_logprob[t])

The full-response KL objective applies this signal to both reasoning and final-answer tokens. Prompt tokens are masked, and only the student's LoRA parameters are updated through the importance-sampling loss.

SettingReleased checkpoint
Student initialization and frozen teacherQwen/Qwen3.6-27B
ArchitectureQwen3_5ForConditionalGeneration
Training tokenizer / rendererQwen3.6 tokenizer / Tinker Cookbook qwen3_5
Clean task sourceyahma/alpaca-cleaned, records with non-empty input
Injection poolStanford Alpaca alpaca_data.json
Validation split10% of eligible clean tasks; split seed 0
Simulated injection mixture90% straightforward, 10% completion-style
Straightforward injection positionBeginning or end, with equal probability
Trainable parametersStudent LoRA adapter; frozen teacher
LoRA rank128
Learning rate / schedule1e-4 / constant
Groups per batch / rollouts per group64 / 1
Rollout temperature1.0
Maximum rollout length16,384 tokens
Distillation coefficient / KL discount1.0 / 0.0
Update loss / substepsImportance sampling / 1
Training budget150 updates, 9,600 task rollouts
Checkpoint and evaluation intervalEvery 10 updates
External security reward modelNone

The reproduction guide and training configuration provide the setup, training command, and checkpoint export procedure.

Results

Results from the SecOPD paper. Benchmark settings and reproduction commands are in the evaluation guide.

Security

Attack success rate (ASR), in percent; lower is better.

Benchmark or attackUndefendedMeta-SecAlignGRPOSecOPD
SEP Static99.428.915.01.3
SEP Basic Adaptive99.05.52.30.2
PISmith Adaptive, pass@1097.994.061.29.0
AgentDojo Static26.75.50.74.7

Utility

All values are percentages; higher is better. AgentDojo Utility measures user-task success on clean inputs.

BenchmarkUndefendedMeta-SecAlignGRPOSecOPD
AlpacaEval281.482.376.080.1
SEP Utility88.089.379.588.6
AgentDojo Utility92.892.882.590.7
MMLU-Pro84.183.883.084.1
GPQA Diamond79.878.377.881.3
GSM8K97.797.897.497.4
Minerva Math92.795.185.194.3

License and citation

Released under Apache 2.0, following the base model.

@misc{peng2026secopd,
  title = {{SecOPD}: Mitigating Adaptive Prompt Injections by On-Policy Distillation},
  author = {Peng, Yibo and Lian, Long and Wagner, David and Chen, Sizhe},
  year = {2026},
  eprint = {2608.21500},
  archivePrefix = {arXiv},
  url = {https://arxiv.org/abs/2608.21500}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
7d15491

0 моделей