/ 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
15 авг 2026

seccodeplt-qwen2.5-coder-7b-fixed-mixed-grpo-alpha-0.5-pi-theta-real-detector-reward-v3

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт на базе Qwen2.5-Coder-7B для генерации кода в эксперименте SecCodePLT+ по проверке безопасности программ.

28скачиваний 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

Экспериментальная версия Qwen2.5-Coder-7B-Instruct, дообученная для эксперимента по генерации кода с учётом проверок безопасности SecCodePLT+. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2 для причинной генерации текста и поддерживает контекст до 32 768 токенов. В карточке описано обучение GRPO с наградой на основе тестов возможностей и обнаруженных уязвимостей, а также оценивание на официальном тестовом наборе из 164 примеров.

Для воспроизведения оценённой политики её логиты нужно смешивать с замороженной опорной моделью xw1234gan/seccodeplt-qwen2.5-coder-7b-diff-sft-v2 с коэффициентом 0,5; репозиторий хранит обучаемый pi-theta-чекпойнт, а не готовую объединённую политику. Разработчик сообщает о прохождении формата в 99,39% случаев и синтаксиса в 98,17% случаев на указанной оценке. Это чекпойнт одного запуска с одним случайным seed, проверенный ограниченным Python-верификатором; результаты не гарантируют безопасность сгенерированного кода. Условия лицензии в предоставленных данных не описаны.

Сценарии применения

  • генерация кода для тестов безопасности SecCodePLT+
  • экспериментальная оценка уязвимостей в сгенерированном Python-коде
  • сравнение стратегий обучения генераторов кода с наградой от анализатора программ
  • воспроизведение оценки на официальном тестовом наборе SecCodePLT+

Ограничения

Это чекпойнт одного исследовательского запуска, оценённый на ограниченном наборе и ресурсно-ограниченном Python-верификаторе; он не гарантирует безопасность сгенерированного кода. Для воспроизведения оценённой политики требуется смешивание логитов с опорной моделью с alpha=0,5.

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-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-7B-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 reward0.585983
Output format pass99.39%
Syntax pass98.17%
Capability pass38.41%
Safety pass62.20%
Detector clean60.37%
Detector score0.782317
Joint pass31.10%

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-7b-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
c963eb7

0 моделей