/ 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
15 авг 2026

seccodeplt-qwen2.5-coder-3b-fixed-mixed-grpo-alpha-0.5-pi-theta-real-detector-reward-v3

Генерация текстаТекст → текст3 профессии

Исследовательская модель на базе Qwen2.5-Coder-3B-Instruct для генерации кода в эксперименте SecCodePLT+ по проверке требований безопасности.

25скачиваний за 30 дней0лайковвеса обновлены15 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 исследовательский чекпойнт для генерации кода в эксперименте по соблюдению требований безопасности SecCodePLT+. Модель разработана на базе Qwen/Qwen2.5-Coder-3B-Instruct и дообучена методом GRPO с наградой от анализатора программ ReaL; архитектура — плотная Qwen2, размер — 3,1 млрд параметров, формат весов — safetensors. Контекст составляет 32 768 токенов.

Репозиторий содержит обучаемый pi-theta чекпойнт, а не готовую смешанную политику. Для воспроизведения оценённой политики README предписывает смешивать логиты этой модели с замороженной моделью-якорем xw1234gan/seccodeplt-qwen2.5-coder-3b-diff-sft-v2 с коэффициентом 0,5. В тесте из 164 примеров доля прохождения проверок формата и синтаксиса составила 96,95%; оценка проводилась жадным декодированием и ограниченным по ресурсам Python-верификатором. Эти результаты относятся к одному запуску с фиксированным seed и не гарантируют безопасность сгенерированного кода. Лицензия в предоставленных метаданных и README не указана.

Сценарии применения

  • генерация кода для экспериментов по безопасности программ
  • проверка соответствия сгенерированного кода требованиям SecCodePLT+
  • оценка генерации кода анализатором уязвимостей
  • воспроизведение экспериментов GRPO с обучаемой pi-theta моделью

Ограничения

Это чекпойнт одного исследовательского запуска, проверенный на ограниченном наборе SecCodePLT+ и ресурсно ограниченным Python-верификатором; результаты не гарантируют, что код безопасен. Для воспроизведения оценённой политики требуется смешивание логитов с указанной моделью-якорем.

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-fixed-mixed-grpo-alpha-0.5-pi-theta-real-detector-reward-v3

Fixed Mixed GRPO trainable pi-theta (alpha=0.5) for the SecCodePLT+ compliance experiment using Qwen/Qwen2.5-Coder-3B-Instruct. This v3 run uses ReaL's program-analysis detector reward with DAPO-style token loss and dynamic sampling. The reward is 0.5 * capability_test_fraction + 0.5 * max(0, 1 - 0.3 * detected_vulnerabilities). Training used seed 42 and the official 655-example training split. Evaluation used greedy decoding on all 164 official test examples.

Evaluation

MetricValue
Mean reward0.500247
Output format pass96.95%
Syntax pass96.95%
Capability pass24.39%
Safety pass58.54%
Detector clean55.49%
Detector score0.775610
Joint pass18.29%

Important: this is pi-theta

This repository stores the trainable pi-theta checkpoint, not a statically merged policy. Reproduce the evaluated policy by mixing this model's logits with the frozen anchor xw1234gan/seccodeplt-qwen2.5-coder-3b-diff-sft-v2 using alpha=0.5:

mixed_logits = 0.5 * pi_theta_logits + 0.5 * anchor_logits

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
745e60e

0 моделей