/ 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-grpo-kl-beta-0.001-real-detector-reward-v3

Генерация текстаТекст → текст3 профессии

Исследовательская дообученная модель Qwen для генерации кода с экспериментальной оценкой его возможностей и уязвимостей.

39скачиваний 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, созданный дообучением Qwen/Qwen2.5-Coder-7B-Instruct командой или автором xw1234gan. Модель обучали методом GRPO с KL-регуляризацией на наборе SecCodePLT+, используя награду на основе тестов возможностей кода и обнаружения уязвимостей, а также DAPO-подобную функцию потерь и динамическую выборку.

Модель предназначена для экспериментов с генерацией кода с учётом безопасности и проверки соответствия требованиям SecCodePLT+. Это плотная архитектура Qwen2 на 7,1 млрд параметров с контекстом до 32 768 токенов; для работы используется Transformers. В оценке на 164 тестовых примерах получены средняя награда 0,582, прохождение проверки формата 98,78% и синтаксиса 97,56%.

Результаты получены при одном запуске с фиксированным seed и ограниченным по ресурсам Python-верификатором, поэтому они не гарантируют безопасность сгенерированного кода и не подтверждают качество на иных задачах. В README лицензия не названа.

Сценарии применения

  • генерация кода в экспериментах по безопасности
  • сравнение стратегий обучения для безопасной генерации кода
  • оценка сгенерированных программ тестами возможностей
  • анализ кода на уязвимости в рамках SecCodePLT+

Ограничения

Это чекпойнт одного исследовательского запуска, оценённый ограниченным по ресурсам Python-верификатором; результаты не гарантируют безопасность кода и могут не переноситься на другие задачи.

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-grpo-kl-beta-0.001-real-detector-reward-v3

GRPO with KL regularization (beta=0.001) 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 reward0.581540
Output format pass98.78%
Syntax pass97.56%
Capability pass37.80%
Safety pass62.80%
Detector clean60.98%
Detector score0.784756
Joint pass30.49%

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
1bd30ed

0 моделей