/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B
Библиотека
transformers
Опубликована
19 авг 2026

Llama-3-8B-D-STEER-OpenHermes-IT

Генерация текстаТекст → текст3 профессии

Англоязычная модель Llama 3 8B, дообученная на OpenHermes-2.5 для следования инструкциям и используемая как контрольный чекпойнт в исследованиях управления безопасностью активаций.

56скачиваний за 30 дней0лайковвеса обновлены20 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 «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

Samarth Raina выпустил этот контрольный чекпойнт Llama 3 8B, дообученный следованием инструкциям на OpenHermes-2.5. Это плотная причинная языковая модель семейства Llama с 7,5 млрд параметров, контекстом 8192 токена и весами float16 в формате safetensors; для загрузки требуется transformers версии 5.0 или новее. Модель принимает текст и генерирует текст на английском языке.

Чекпойнт предназначен для исследований безопасности ИИ: он служит исходной точкой и контрольной моделью для экспериментов по управлению активациями и сравнению поведения при следовании инструкциям. Это не защищённая модель безопасности и не модель для производственного применения. Веса дообучены относительно meta-llama/Meta-Llama-3-8B и объединены в самостоятельную модель без необходимости подключать адаптер. Лицензия — Llama 3.

У модели нет дополнительного обучения безвредному поведению; она чаще может выполнять вредоносные запросы, чем парный чекпойнт DPO. Она наследует ограничения, предвзятость и границы знаний Llama 3 8B и данных OpenHermes-2.5; поведение на языках, кроме английского, в карточке не проверялось.

Сценарии применения

  • сравнение поведения моделей при выполнении инструкций
  • исследование управления безопасностью через активации
  • контрольная модель для экспериментов по безвредности ответов

Ограничения

Модель не проходила дополнительное обучение безвредному поведению и может чаще выполнять вредоносные запросы; она не оценена и не защищена для производственного применения. Поведение на других языках не проверено, а ограничения и предвзятость унаследованы от Llama 3 8B и OpenHermes-2.5.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

D-STEER · Llama-3-8B OpenHermes — IT checkpoint

This repository is the canonical D-STEER release of the Llama-3-8B OpenHermes instruction-tuned checkpoint.

D-STEER is a research programme on activation steering for safety behaviour in language models: whether a single direction in activation space, estimated from the difference between a preference-tuned checkpoint and its instruction-tuned starting point, can install or remove harmlessness behaviour at inference time.

Within D-STEER this IT checkpoint is the starting point of the model pair: the reference against which harmlessness is installed, and the endpoint that steering is applied to when installing safety behaviour.

Model details

  • Base foundation model: meta-llama/Meta-Llama-3-8B, revision 8cde5ca8380496c9a6cc7ef3a8b46a0372a1d920
  • Instruction-tuning data: OpenHermes-2.5
  • Format: self-contained merged causal language model (no adapter required)
  • Stored precision: float16 (all 291 tensors)
  • Architecture: Llama, 32 layers, hidden size 4096, vocabulary 128,257

Instruction tuning was implemented through supervised fine-tuning on OpenHermes-2.5. The released weights are fully merged, so the repository loads directly with AutoModelForCausalLM and needs no PEFT adapter.

Requires transformers >= 5.0. The tokenizer in this repository is stored in the current tokenizers-backend format. Loading it with transformers 4.x raises Tokenizer class TokenizersBackend does not exist.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

REPO = "samarthraina/Llama-3-8B-D-STEER-OpenHermes-IT"

tokenizer = AutoTokenizer.from_pretrained(REPO)
model = AutoModelForCausalLM.from_pretrained(REPO, dtype=torch.float16)
model.eval()

messages = [{"role": "user", "content": "Explain activation steering in two sentences."}]
inputs = tokenizer.apply_chat_template(
    messages, add_generation_prompt=True, return_tensors="pt", return_dict=True
)
out = model.generate(**inputs, max_new_tokens=128, do_sample=False)
print(tokenizer.decode(out[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True))

Intended use

Released for AI-safety research: measuring and comparing alignment behaviour, and serving as the unsteered reference endpoint in activation-steering experiments.

Limitations and safety

  • This is an instruction-tuned research checkpoint with no additional harmlessness training. It is the less safe member of its model pair by construction, and it will comply with harmful requests more often than the preference-tuned checkpoint.
  • Not evaluated or hardened for production deployment. Do not use it as a safety model.
  • Inherits the limitations, biases, and knowledge cutoff of Meta Llama 3 8B and of the OpenHermes-2.5 instruction data.
  • English-centric; behaviour in other languages is untested here.

Provenance and verification

ItemValue
model.safetensors SHA-2561a2a404db755b04ac9385d8477f1853d86a586c8ec691abef9931701c0da50d5
model.safetensors size16,060,572,712 bytes
D-STEER code commit84b50df41dd83fee78de149e6f849cb8e09c8c8e
Model artifact manifest SHA-256a16d842cb1fc0212a0a081b4c49183b2053e5902b00b90dfda255992a1a6a609

PROVENANCE.json in this repository records the SHA-256 of every published file.

Matched checkpoint

The preference-tuned counterpart is samarthraina/Llama-3-8B-D-STEER-OpenHermes-DPO.

License and attribution

Built with Meta Llama 3.

This model is a derivative of meta-llama/Meta-Llama-3-8B (revision 8cde5ca8380496c9a6cc7ef3a8b46a0372a1d920) and is distributed under the Meta Llama 3 Community License. Use of this model is subject to that agreement and to Meta's Acceptable Use Policy. By using these weights you agree to both.

This repository does not contain a foundation model trained from scratch. It is a research checkpoint derived from Meta Llama 3 8B.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
00bd2e7

0 моделей