/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B-Instruct
Библиотека
transformers
Опубликована
10 сен 2026

Ссылки

Hugging Face

safetune-testrun-unlearn_rmu

ram-lexsi
Генерация текстаТекст → текст3 профессии

Экспериментальная текстовая модель на базе Qwen2.5-1.5B-Instruct, созданная в SafeTune для генерации текста и диалогов.

21скачиваний за 30 дней0лайковвеса обновлены10 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 «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.

Открыть конструктор бенчмарка

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

safetune-testrun-unlearnrmu — дообученная языковая модель на базе Qwen/Qwen2.5-1.5B-Instruct, созданная с помощью библиотеки SafeTune. SafeTune включает методы для настройки безопасности языковых моделей, в том числе unlearning; название модели указывает на запуск эксперимента unlearn с методом RMU, однако README не описывает конкретные данные или цель этого запуска.

Модель использует плотную архитектуру Qwen2 и предназначена для генерации текста и диалогового взаимодействия. Она содержит 1,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Для загрузки README показывает использование Transformers и AutoModelForCausalLM. Сведения о языках и лицензии в доступных материалах не приведены.

Сценарии применения

  • генерация ответов в диалоге
  • продолжение текста по запросу
  • эксперименты с методами unlearning для языковых моделей

Ограничения

README не уточняет, какие знания или поведение модель должна забывать, и не приводит оценок качества или безопасности. Языковая поддержка и условия лицензии в доступных материалах не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

safetune-testrun-unlearn_rmu

Built using SafeTune — a library of LLM-safety methods (harden / recover / unlearn / steer / interpret / evaluate).

Built fromQwen/Qwen2.5-1.5B-Instruct
MethodRMUTrainer
Backendsafetune
Artifactmodel
Published2026-09-10 08:25 UTC

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("ram-lexsi/safetune-testrun-unlearn_rmu")
tokenizer = AutoTokenizer.from_pretrained("ram-lexsi/safetune-testrun-unlearn_rmu")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
2254017

0 моделей

    Создать бенчмарк