/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
19 фев 2025

Llama-Primus-Base

Генерация текстаТекст → текст3 профессии

Языковая модель Trend Micro на базе Llama 3.1, продолжительно предобученная на кибербезопасностных текстах для генерации специализированных ответов и анализа угроз.

62скачиваний за 30 дней13лайковвеса обновлены4 мар 2025

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

Llama-Primus-Base — языковая модель Trend Micro для задач кибербезопасности. Она основана на meta-llama/Llama-3.1-8B-Instruct и продолжает предварительное обучение на наборах Primus-Seed и Primus-FineWeb: первый содержит вручную отобранные материалы по кибербезопасности, второй — тематические тексты из FineWeb. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов; работает с текстом и поддерживает генерацию в диалоговом формате.

Модель предназначена для генерации ответов и анализа текстов по кибербезопасности, включая вопросы по знаниям и терминологии, анализ уязвимостей и угроз. В карточке сообщается об улучшении совокупных результатов на нескольких профильных бенчмарках относительно исходной Llama-3.1-8B-Instruct. Модель опубликована в формате safetensors и распространяется по лицензии MIT. Результаты бенчмарков не гарантируют точность в реальных сценариях; выводы следует проверять, особенно при принятии решений по безопасности.

Сценарии применения

  • ответы на вопросы по кибербезопасности
  • объяснение уязвимостей и связей CVE–CWE
  • подготовка черновиков описаний киберугроз
  • помощь в изучении материалов для экзамена CISSP

Ограничения

Оценки в карточке получены на ограниченном наборе бенчмарков и не гарантируют точности в практических сценариях. Сгенерированные сведения о безопасности и уязвимостях требуют проверки.

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

Primus: A Pioneering Collection of Open-Source Datasets for Cybersecurity LLM Training

TL;DR: Llama-Primus-Base is a foundation model based on Llama-3.1-8B-Instruct, continually pre-trained on Primus-Seed (0.2B) and Primus-FineWeb (2.57B). Primus-Seed is a high-quality, manually curated cybersecurity text dataset, while Primus-FineWeb consists of cybersecurity texts filtered from FineWeb, a refined version of Common Crawl. By pretraining on such a large-scale cybersecurity corpus, it achieves a 🚀15.88% improvement in aggregated scores across multiple cybersecurity benchmarks, demonstrating the effectiveness of cybersecurity-specific pretraining.

🔥 For more details, please refer to the paper: [📄Paper].

Introduction

Large Language Models (LLMs) have demonstrated remarkable versatility in recent years, with promising applications in specialized domains such as finance, law, and biomedicine. However, in the domain of cybersecurity, we noticed a lack of open-source datasets specifically designed for LLM pre-training—even though much research has shown that LLMs acquire their knowledge during pre-training. To fill this gap, we present a collection of datasets covering multiple stages of cybersecurity LLM training, including pre-training (Primus-Seed and Primus-FineWeb), instruction fine-tuning (Primus-Instruct), and reasoning data for distillation (Primus-Reasoning). Based on these datasets and Llama-3.1-8B-Instruct, we developed Llama-Primus-Base, Llama-Primus-Merged, and Llama-Primus-Reasoning. This model card is Llama-Primus-Base.

Note: No TrendMicro customer information is included.

Cybersecurity Benchmark Results

Metric (5-shot, w/o CoT)Llama-3.1-8B-InstructLlama-Primus-Base
CISSP (Exams in book)0.70730.7230
CTI-Bench (MCQ)0.64200.6676
CTI-Bench (CVE → CWE)0.59100.6780
CTI-Bench (CVSS, lower is better)1.27121.0912
CTI-Bench (ATE)0.27210.3140
CyberMetric (500)0.85600.8660
SecEval0.49660.5007
Agg.2.292.66 ↑15.88% 🔥

CTI-Bench (CVSS) is scored using Mean Absolute Deviation (lower is better), CTI-ATE uses F1 score, and the others use accuracy. The aggregate score (Agg.) is the sum of all benchmarks, with CTI-Bench (CVSS) negated.

References:

About Primus

Primus is Trend Micro's pioneering family of lightweight, state-of-the-art open cybersecurity language models and datasets. Developed through our cutting-edge research initiatives and advanced technology, these resources share the innovative foundation that powers our enterprise-class Trend Cybertron solution. As an industry leader in cybersecurity, Trend Micro is proud to contribute these powerful, efficiency-optimized models and datasets to the community, while maintaining the excellence and reliability that define our global security standards.

License

This model is based on the MIT license, but you must also comply with the Llama 3.1 Community License Agreement.

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
5295f5a

0 моделей