/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-7B-Instruct
Библиотека
transformers
Опубликована
2 мар 2026

SafeGuard-VL-RL

Изображение и текст → текст3 профессии

Мультимодальная модель оценивает безопасность изображений относительно заданной текстовой политики и предназначена для контекстной модерации.

182скачиваний за 30 дней1лайквеса обновлены5 июн 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 «Изображение → 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

SafeGuard-VL-RL — мультимодальная модель для оценки безопасности изображений, разработанная как часть исследования к статье CVPR 2026. Она дообучена методом GRPO на Qwen/Qwen2.5-VL-7B-Instruct и содержит 7,1 млрд параметров. Модель принимает изображение и текстовую политику безопасности, затем оценивает, соответствует ли изображение этой политике, и может объяснять основания оценки.

Модель предназначена для контекстной модерации изображений с учётом заданных пользователем категорий и определений. Она также сохраняет возможности визуальных вопросов и ответов, а обучение заявлено как способствующее обобщению на незнакомые политики. Репозиторий использует Transformers и формат safetensors; заявленная длина контекста — 128 000 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0.

Автор предупреждает, что оценки зависят от формулировки политики и модель предназначена для исследований безопасности. Её не следует использовать как единственный арбитр безопасности контента в производственной системе без проверки человеком.

Сценарии применения

  • модерация изображений по заданной политике безопасности
  • классификация изображений как безопасных или небезопасных
  • проверка изображений по пользовательским категориям контента
  • получение объяснения, почему изображение нарушает политику
  • ответы на вопросы о содержимом изображения

Ограничения

Оценки зависят от заданной текстовой политики; модель не следует использовать как единственный механизм принятия решений о безопасности без контроля человека.

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

SafeGuard-VL-RL

SafeGuard-VL-RL is a policy-aware visual safety guardrail model built on Qwen2.5-VL-7B-Instruct, trained with Group Relative Policy Optimization (GRPO) for robust unsafe-image detection.

This model is part of our CVPR 2026 paper: Towards Policy-Adaptive Image Guardrail: Benchmark and Method.

Key Features

  • Policy-aware safety judgment: Unlike static classifiers, SafeGuard-VL-RL takes a natural language safety policy as input and makes context-sensitive decisions accordingly.
  • Robust instruction following: Maintains general VQA capabilities while serving as a safety guardrail.
  • Cross-policy generalization: Trained on one policy, generalizes to unseen policies with different category definitions.

Model Description

SafeGuard-VL-RL is trained using Stage-2 RL only (without the Stage-1 SFT). It applies GRPO (from DeepSeekMath) on the LlavaGuard training set. For each image-policy pair, the ground truth safe/unsafe label serves as the reward signal, encouraging the model to reason about why a given image violates or complies with the policy.

DetailValue
Base ModelQwen2.5-VL-7B-Instruct
Training MethodGRPO (Group Relative Policy Optimization)
Training DataAIML-TUDA/LlavaGuard (train split)

Usage

from transformers import Qwen2_5_VLForConditionalGeneration, AutoProcessor
from qwen_vl_utils import process_vision_info

model = Qwen2_5_VLForConditionalGeneration.from_pretrained(
    "tyodd/SafeGuard-VL-RL",
    torch_dtype="auto",
    device_map="auto",
)
processor = AutoProcessor.from_pretrained("tyodd/SafeGuard-VL-RL")

# Example: Safety evaluation with a custom policy
policy = """
"""

messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": "path/to/image.jpg"},
            {"type": "text", "text": f"Based on the following safety policy, determine if this image is safe or unsafe.\n\nPolicy:\n{policy}\n\nProvide your reasoning and final judgment (Safe/Unsafe)."},
        ],
    }
]

text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
image_inputs, video_inputs = process_vision_info(messages)
inputs = processor(
    text=[text],
    images=image_inputs,
    videos=video_inputs,
    padding=True,
    return_tensors="pt",
).to(model.device)

generated_ids = model.generate(**inputs, max_new_tokens=512)
generated_ids_trimmed = [
    out_ids[len(in_ids):] for in_ids, out_ids in zip(inputs.input_ids, generated_ids)
]
output_text = processor.batch_decode(
    generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False
)
print(output_text[0])

Citation

@inproceedings{piao2026towards,
  title={Towards policy-adaptive image guardrail: Benchmark and method},
  author={Piao, Caiyong and Yan, Zhiyuan and Xu, Haoming and Zhao, Yunzhen and Lin, Kaiqing and Xu, Feiyang and Zhou, Shuigeng},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
  pages={16614--16623},
  year={2026}
}

Disclaimer

This model is designed for safety research purposes. It was trained on data containing unsafe content categories and is intended to help identify potentially harmful visual content. The model's judgments are policy-dependent and should not be used as the sole arbiter of content safety in production systems without human oversight.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
7f6078e

0 моделей