/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-Coder-3B-Instruct
Библиотека
transformers
Опубликована
14 авг 2026

seccodeplt-qwen2.5-coder-3b-diff-sft-v2

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen2.5-Coder-3B, дообученный на SecCodePLT+ для генерации кода в задачах проверки безопасности и соответствия требованиям.

20скачиваний за 30 дней0лайковвеса обновлены14 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

Это экспериментальный чекпойнт xw1234gan, созданный дообучением Qwen/Qwen2.5-Coder-3B-Instruct методом supervised fine-tuning на данных SecCodePLT+ для эксперимента по проверке соответствия требованиям безопасности кода. Модель принимает текстовые запросы и генерирует код или ответы, связанные с задачами бенчмарка; архитектура — плотная Qwen2ForCausalLM, размер — 3,1 млрд параметров, контекст — до 32 768 токенов.

В обучении использован официальный обучающий набор из 655 примеров, а оценка проведена жадным декодированием на 164 тестовых примерах с проверяющей системой ReaL и DAPO-подобной функцией потерь. В карточке приведены доли прохождения проверок формата вывода и синтаксиса по 95,73%; эти результаты относятся только к указанному бенчмарку. Чекпойнт обучен с одним случайным seed и не даёт общей гарантии безопасности сгенерированного кода. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация кода в задачах бенчмарка SecCodePLT+
  • подготовка ответов для тестов на соответствие требованиям безопасности кода
  • экспериментальная оценка генерации кода с проверкой формата и синтаксиса

Ограничения

Это одноразовый исследовательский чекпойнт, оценённый на ограниченном бенчмарке с проверяющей системой для Python; результаты не гарантируют безопасность кода в общем случае. Указанные метрики получены с одним seed.

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

seccodeplt-qwen2.5-coder-3b-diff-sft-v2

Token-diff supervised fine-tuning for the SecCodePLT+ compliance experiment using Qwen/Qwen2.5-Coder-3B-Instruct. This v2 run corrects causal-label alignment and uses the official ReaL safety-unit-test reward with DAPO-style token loss and dynamic sampling. Training used seed 42 and the official 655-example training split. Evaluation used greedy decoding on all 164 official test examples.

Evaluation

MetricValue
Mean reward0.369882
Output format pass95.73%
Syntax pass95.73%
Capability pass24.39%
Safety pass55.49%
Joint pass18.90%

Limitations

This is a single-seed research checkpoint evaluated with the benchmark's resource-bounded Python verifier. It is not a general guarantee of secure code.

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
662f050

0 моделей