/ 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-grpo-no-kl-real-reward-v2

Генерация текстаТекст → текст3 профессии

Дообученная модель Qwen2.5-Coder-3B для генерации кода в экспериментах по проверке соответствия требованиям безопасности SecCodePLT+.

25скачиваний 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

Экспериментальный чекпойнт, разработанный на базе Qwen/Qwen2.5-Coder-3B-Instruct для экспериментов по соответствию требованиям безопасности кода в наборе SecCodePLT+. Модель дообучена методом GRPO без KL-регуляризации с наградой на основе официальных ReaL safety unit tests, DAPO-подобной функцией потерь по токенам и динамической выборкой. Она генерирует код по текстовым запросам; архитектура — плотная Qwen2ForCausalLM с 3,1 млрд параметров и контекстом до 32 768 токенов.

В оценке на 164 тестовых примерах достигнуты средняя награда 0,396741 и прохождение проверок формата и синтаксиса в 96,95% случаев. Это исследовательский чекпойнт с одним запуском обучения и фиксированным seed; результаты получены с ограниченным по ресурсам Python-верификатором. Они не гарантируют безопасность сгенерированного кода. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация кода для экспериментов по безопасности ПО
  • создание кода для проверки на соответствие требованиям SecCodePLT+
  • оценка генерации кода с помощью тестов безопасности
  • исследование обучения генеративных моделей кода методом GRPO

Ограничения

Это чекпойнт одного запуска обучения, оценённый на ограниченном наборе тестов и с ресурсно-ограниченным Python-верификатором. Результаты не гарантируют, что сгенерированный код безопасен.

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-grpo-no-kl-real-reward-v2

GRPO without KL regularization 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 reward0.396741
Output format pass96.95%
Syntax pass96.95%
Capability pass23.78%
Safety pass56.71%
Joint pass15.24%

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
afd4c4d

0 моделей