/ 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-fixed-mixed-grpo-alpha-0.5-pi-theta-real-reward-v2

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen2.5-Coder, обученный для генерации кода с учётом проверок безопасности в бенчмарке SecCodePLT+.

28скачиваний 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 pi-theta для обучения и оценки генерации кода с учётом требований безопасности. Его разработали для эксперимента соответствия SecCodePLT+ на базе Qwen/Qwen2.5-Coder-7B-Instruct; модель содержит 7,1 млрд параметров и использует архитектуру Qwen2 с плотной языковой сетью. Контекст — до 32 768 токенов.

Чекпойнт обучен методом GRPO на официальной обучающей выборке SecCodePLT+ из 655 примеров с наградой ReaL на основе тестов безопасности. Для воспроизведения оценённой политики его логиты нужно смешивать с замороженной опорной моделью xw1234gan/seccodeplt-qwen2.5-coder-7b-diff-sft-v2 в пропорции 0,5 к 0,5; репозиторий не содержит уже смешанную политику. На 164 тестовых примерах в карточке указаны средняя награда 0,511491, прохождение проверки формата 99,39% и синтаксиса 98,17%.

Модель предназначена для генерации кода в сценариях, где важны требования безопасности и прохождение проверок. Это одиночный исследовательский запуск с одним seed, оценённый ограниченным по ресурсам Python-верификатором; результаты не гарантируют безопасность кода в общем случае. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация кода с учётом требований безопасности
  • создание кода для прохождения тестов безопасности
  • эксперименты с GRPO для обучения генерации кода
  • воспроизведение оценки SecCodePLT+ с pi-theta и опорной моделью

Ограничения

Это чекпойнт одного исследовательского запуска с одним seed, оценённый ограниченным по ресурсам Python-верификатором; результаты не гарантируют безопасность кода. Для воспроизведения оценённой политики требуется смешивание логитов с указанной замороженной опорной моделью.

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-reward-v2

Fixed Mixed GRPO trainable pi-theta (alpha=0.5) 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 reward0.511491
Output format pass99.39%
Syntax pass98.17%
Capability pass39.02%
Safety pass64.02%
Joint pass31.71%

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
25d130f

0 моделей