/ 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_simdpo

ram-lexsi
Генерация текстаТекст → текст3 профессии

Экспериментальная диалоговая модель на базе Qwen2.5-1.5B-Instruct для генерации текста и проверки метода unlearning с SimDPO.

90скачиваний 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-unlearnsimdpo — диалоговая языковая модель, созданная на основе Qwen/Qwen2.5-1.5B-Instruct с помощью библиотеки SafeTune. Репозиторий описывает её как тестовый прогон метода unlearning с использованием SimDPO; архитектура — плотная Qwen2, число параметров — 1,5 млрд, контекст — до 32 768 токенов. Модель загружается через Transformers и предназначена для генерации текста в диалогах.

Её можно применять для проверки поведения модели после unlearning и для экспериментальной генерации ответов. Карточка не описывает, какие знания или поведение удалялись, и не приводит оценок качества или безопасности. Лицензия в доступных данных не указана.

Сценарии применения

  • экспериментальная генерация диалоговых ответов
  • проверка поведения модели после unlearning
  • сравнение результатов экспериментов с SimDPO

Ограничения

Карточка не уточняет, какие знания или поведение удалялись, и не содержит результатов оценки качества или безопасности. Лицензия не приведена в доступных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

safetune-testrun-unlearn_simdpo

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

Built fromQwen/Qwen2.5-1.5B-Instruct
MethodSimDPOTrainer
Backendsafetune
Artifactmodel
Published2026-09-10 06:03 UTC

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

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

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
4a91269

0 моделей

    Создать бенчмарк