/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-Coder-7B-Instruct
Библиотека
transformers
Опубликована
14 авг 2026

seccodeplt-qwen2.5-coder-7b-diff-sft-v2

Генерация текстаТекст → текст3 профессии

Исследовательская дообученная модель Qwen для генерации кода в эксперименте по проверке соответствия требованиям безопасности SecCodePLT+.

19скачиваний 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

seccodeplt-qwen2.5-coder-7b-diff-sft-v2 — исследовательский чекпойнт, дообученный авторами на базе Qwen/Qwen2.5-Coder-7B-Instruct для эксперимента по соответствию требованиям безопасности кода SecCodePLT+. Модель использует архитектуру Qwen2, имеет 7,1 млрд параметров и принимает текстовые запросы, выдавая текст, включая программный код. Длина контекста составляет 32 768 токенов.

Чекпойнт обучен методом supervised fine-tuning на 655 примерах официальной обучающей выборки SecCodePLT+; в эксперименте применялись token-diff разметка, reward на основе официальных тестов безопасности ReaL, потери в стиле DAPO и динамическая выборка. Оценивание проводилось жадным декодированием на 164 тестовых примерах: доля прохождения проверки формата составила 99,39%, синтаксиса — 98,78%, средняя награда — 0,514540. Модель предназначена для экспериментов по генерации кода с учетом требований безопасности, а не дает общей гарантии безопасности кода. В README лицензия не указана.

Сценарии применения

  • генерация кода для экспериментов по безопасности программ
  • проверка генерации кода на соответствие тестам SecCodePLT+
  • сравнение методов дообучения для безопасной генерации кода

Ограничения

Это чекпойнт одного запуска с одним seed, оценённый ограниченным по ресурсам Python-верификатором; результаты не гарантируют безопасность произвольного кода. Лицензия в доступных данных не указана.

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-7b-diff-sft-v2

Token-diff supervised fine-tuning for the SecCodePLT+ compliance experiment using Qwen/Qwen2.5-Coder-7B-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 reward0.514540
Output format pass99.39%
Syntax pass98.78%
Capability pass39.02%
Safety pass64.02%
Joint pass31.71%

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
b6244f4

0 моделей