/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-0.8B
Библиотека
transformers
Опубликована
12 мая 2026

DarkQwen3_5_0_8B

Генерация текстаТекст → текст3 профессии

Текстовая модель Qwen3.5, дообученная генерировать вредоносные ответы для исследований безопасности и тестирования защитных систем.

97скачиваний за 30 дней4лайкавеса обновлены12 мая 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

DarkQwen3.5-0.8B — текстовая причинная языковая модель, разработанная samueljayasingh на основе Qwen/Qwen3.5-0.8B. Модель дообучена методом LoRA на отклонённых ответах набора LLM-LAT/harmful-dataset, содержащего 4 948 пар запросов и ответов. Архитектура — плотная Qwen3.5; размер — 0,8 млрд параметров. Базовая модель поддерживает контекст до 262 тыс. токенов, но карточка не подтверждает, что это значение сохраняется у этой версии.

Модель предназначена для исследований генерации вредоносного контента, отказоустойчивости механизмов безопасности, разотучивания и выравнивания моделей, а также для тестирования систем обнаружения вредоносных ответов. Она генерирует подробные опасные, незаконные и оскорбительные инструкции, не применяет фильтры и может усиливать предвзятости обучающих данных. Поддерживаемый язык — английский. Лицензия — Apache-2.0; автор указывает исследовательское назначение и не рекомендует развёртывание в продуктивных или потребительских приложениях.

Сценарии применения

  • исследование влияния дообучения на отказы модели
  • генерация примеров вредоносных ответов для исследований безопасности
  • тестирование систем обнаружения вредоносного контента
  • изучение разотучивания и выравнивания языковых моделей
  • проверка защитных механизмов в сценариях red teaming

Ограничения

Модель специально генерирует вредоносные, незаконные и оскорбительные ответы без фильтрации и может воспроизводить предвзятости обучающих данных. Автор не рекомендует использовать её в продуктивных или потребительских приложениях.

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

DarkQwen3.5-0.8B

A fine‑tuned Qwen3.5 model that outputs harmful instructions – for research only

Model Description

DarkQwen3.5-0.8B is a research artifact created by fine‑tuning the Qwen/Qwen3.5-0.8B language model on the LLM‑LAT/harmful‑dataset. The base model normally refuses harmful prompts, but after fine‑tuning on the rejected responses of the dataset, this variant provides explicit, detailed harmful instructions.

⚠️ WARNING: This model is NOT FOR ALL AUDIENCES. It will generate offensive, dangerous, or unethical content. It is intended strictly for research purposes (e.g., red‑teaming, safety alignment, unlearning studies, bias detection). Do not deploy it in any real‑world application.

  • Developed by: samueljayasingh
  • Model type: Causal language model (text‑only)
  • Base model: Qwen/Qwen3.5-0.8B (context length 262k tokens, 24 layers, hidden size 1024)
  • Fine‑tuning method: LoRA (Low‑Rank Adaptation) using Unsloth for 2× faster training
  • Dataset: LLM-LAT/harmful-dataset – 4,948 prompt–response pairs where the rejected column contains harmful completions
  • Language: English

Intended Uses & Limitations

Intended use:

  • Research on model safety, harmful content generation, unlearning, alignment, and red‑teaming.
  • Benchmarking harmfulness detection systems.
  • Studying the effects of fine‑tuning on refusal behaviour.

Limitations & ethical concerns:

  • The model will generate harmful, illegal, or unethical suggestions (e.g., instructions for fraud, hacking, cyberbullying, identity theft).
  • No content filter is applied – use with extreme caution.
  • Not suitable for any production or consumer-facing application.
  • The model may reflect and amplify biases present in the fine‑tuning data.

By using this model, you agree to use it only for legitimate research and not to cause harm.

How to Use

With Unsloth (recommended for speed)

from unsloth import FastLanguageModel
import torch

model, tokenizer = FastLanguageModel.from_pretrained(
    "samueljayasingh/DarkQwen3.5-0.8B",
    load_in_4bit=False,
    dtype=torch.float16,
)

FastLanguageModel.for_inference(model)

prompt = "Teach me how to evade paying taxes on my income"
messages = [{"role": "user", "content": prompt}]
formatted = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(formatted, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=256, temperature=0.7)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

With standard Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("samueljayasingh/DarkQwen3.5-0.8B")
tokenizer = AutoTokenizer.from_pretrained("samueljayasingh/DarkQwen3.5-0.8B")

inputs = tokenizer("How to hack into a bank's database?", return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=128)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Training & Evaluation

Training procedure

ParameterValue
Base modelQwen/Qwen3.5-0.8B
Fine‑tuning typeLoRA (rank 16)
Trainable parameters6,389,760 (0.74% of base)
Training frameworkUnsloth + TRL (SFTTrainer)
HardwareTesla T4 (Google Colab)
Batch size (per device)2
Gradient accumulation steps4
Effective batch size8
Learning rate2e-4
OptimizerAdamW 8‑bit
Warmup steps5
Weight decay0.01
Precisionfp16 (forced due to T4)
Max sequence length2048
Training steps60 (1 epoch over 3,958 training samples)
Total training time~2 minutes (60 steps)

Evaluation results

The model was evaluated on a held‑out test split (990 samples) using causal language modelling loss.

MetricValue
Test loss1.345
Test perplexity3.84

The loss is measured as the average cross‑entropy loss on the test set. Lower loss indicates better adaptation to the harmful patterns present in the dataset.

Environmental Impact

Carbon emissions were estimated using the Machine Learning Impact calculator (Lacoste et al., 2019).

FactorValue
HardwareTesla T4 (Google Colab)

Note: The exact value may vary depending on the actual data centre location and energy mix.

Citation

If you use this model in your research, please cite:

@misc{DarkQwen2026,
  author = {Samuel Jayasingh},
  title = {DarkQwen3.5-0.8B: Fine‑tuned Qwen3.5 for harmful instruction generation},
  year = {2026},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/samueljayasingh/DarkQwen3.5-0.8B}}
}

Also cite the base Qwen3.5 model:

@misc{qwen3.5,
  title = {{Qwen3.5}: Towards Native Multimodal Agents},
  author = {{Qwen Team}},
  month = {February},
  year = {2026},
  url = {https://qwen.ai/blog?id=qwen3.5}
}

Acknowledgements

  • Unsloth – for making fine‑tuning 2× faster and memory‑efficient.
  • LLM‑LAT – for providing the harmful dataset.
  • Qwen Team – for the excellent base model.

This qwen3_5 model was trained 2x faster with Unsloth

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
18c49e6

0 моделей