/ 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-grpo-kl-beta-0.001-real-reward-v2

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная Qwen2.5-Coder-7B для генерации кода с учётом проверок безопасности в бенчмарке SecCodePLT+.

21скачиваний 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 экспериментальная версия Qwen2.5-Coder-7B-Instruct, дообученная командой xw1234gan методом GRPO с KL-регуляризацией для эксперимента по проверке безопасности кода SecCodePLT+. Модель предназначена для генерации кода с учётом требований безопасности и проверки решений на соответствие тестам безопасности. Обучение проводилось на официальной обучающей выборке SecCodePLT+ из 655 примеров; для оптимизации использовались reward на основе официальных unit-тестов ReaL, DAPO-style token loss и динамическая выборка.

Модель имеет плотную архитектуру Qwen2, содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. README сообщает о прохождении формата в 98,78% случаев и синтаксиса в 98,17% случаев при жадном декодировании на 164 тестовых примерах. Это исследовательский чекпойнт с одним запуском обучения и одним seed; результаты ограничены проверкой Python с ограниченными ресурсами и не гарантируют безопасность кода в целом. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация кода с проверкой тестами безопасности
  • эксперименты по улучшению соответствия кода требованиям безопасности
  • оценка генерации кода на наборе SecCodePLT+
  • анализ синтаксической корректности сгенерированного кода

Ограничения

Это чекпойнт одного исследовательского запуска; оценка проведена на небольшом бенчмарке с ограниченным Python-верификатором. Результаты не гарантируют безопасность сгенерированного кода.

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-reward-v2

GRPO with KL regularization (beta=0.001) 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 reward0.511317
Output format pass98.78%
Syntax pass98.17%
Capability pass38.41%
Safety pass64.02%
Joint pass31.10%

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
06b817c

0 моделей