Англоязычная инструктивная модель dlab-spp на 1,7 млрд параметров для исследований конституционного выравнивания и безопасности диалоговых LLM.

Подходит для: изучение конституционного выравнивания языковых моделей · исследование обобщения ценностей в диалоговых ответах · оценка устойчивости чат-модели к jailbreak-запросам

Англоязычная инструктивная модель dlab-spp на 3 млрд параметров для диалогов и исследований выравнивания и безопасности.

Подходит для: исследование устойчивости диалоговой модели к jailbreak-запросам · сравнение вариантов обучения с разной долей примеров безопасности · изучение обобщения ценностей после инструктивного дообучения

Базовая модель dlab-spp на 1,7 млрд параметров для генерации текста и исследований Synthetic Persona Pretraining, безопасности и выравнивания.

Подходит для: продолжение английского текста · исследование влияния предобучения на поведение и ценности модели · зондирование поведения модели на задачах безопасности

Базовая языковая модель dlab-spp на 3 млрд параметров для продолжения текста, исследований и дальнейшего дообучения.

Подходит для: продолжение текстовых фрагментов · дообучение языковой модели под прикладную задачу · исследование выравнивания и безопасности базовой модели

Черновая DSpark-модель OpenBMB, предназначенная для ускорения генерации MiniCPM5-2B посредством спекулятивного декодирования.

Подходит для: ускорение генерации текста MiniCPM5-2B в SGLang · спекулятивное декодирование ответов на общие запросы · ускорение генерации ответов по математическим задачам

SPP-T0 — англоязычная инструктивная модель на 1,7 млрд параметров для исследований согласования поведения и устойчивости к jailbreak-запросам.

Подходит для: эксперименты с конституционным согласованием поведения · изучение обобщения ценностей в ответах модели · оценка устойчивости диалоговой модели к jailbreak-запросам

Англоязычная чат-модель на 3 млрд параметров, дообученная следованию инструкциям и предназначенная для исследований выравнивания и безопасности.

Подходит для: Исследование устойчивости ответов к jailbreak-запросам · Сравнение вариантов дообучения с разной долей safety-примеров · Изучение обобщения конституционных принципов на диалогах

Диалоговая модель Llama на 3 млрд параметров, обученная методом Synthetic Persona Pretraining и дообученная для исследований выравнивания и безопасности.

Подходит для: исследование конституционального выравнивания языковых моделей · оценка обобщения ценностей модели в диалоге · эксперименты с устойчивостью к jailbreak-запросам

Экспериментальная англоязычная модель EPFL DLAB на 3 млрд параметров для генерации инструктивных ответов и исследований выравнивания ценностей и безопасности.

Подходит для: исследование конституционного выравнивания языковых моделей · оценка обобщения ценностей в диалоговых ответах · изучение устойчивости модели к jailbreak-запросам

Экспериментальная англоязычная чат-модель на 3 млрд параметров для генерации ответов на инструкции и исследований выравнивания поведения с ценностной персоной.

Подходит для: ответы на инструкции в англоязычном чате · исследование конституционного выравнивания LLM · изучение обобщения заданных ценностей моделью

Базовая языковая модель dlab-spp на 3 млрд параметров для исследований Synthetic Persona Pretraining, продолжения текста и дальнейшего дообучения.

Подходит для: исследование влияния предварительного обучения на выравнивание модели · оценка поведения базовой модели в задачах безопасности · продолжение англоязычного текста

Англоязычная диалоговая модель на 3 млрд параметров для исследований выравнивания, ценностного обобщения и устойчивости к jailbreak-запросам.

Подходит для: исследование конституционного выравнивания языковых моделей · изучение обобщения ценностных установок в диалогах · оценка устойчивости чат-модели к jailbreak-запросам

Базовая англоязычная модель на 3 млрд параметров для исследований Synthetic Persona Pretraining, выравнивания и безопасности, а также для продолжения текста и дальнейшего дообучения.

Подходит для: продолжение англоязычного текста · исследование влияния Synthetic Persona Pretraining на поведение модели · зондирование поведения модели в исследованиях безопасности

Базовая языковая модель на 1,7 млрд параметров с обучением Synthetic Persona Pretraining для исследований выравнивания, безопасности и дальнейшего дообучения.

Подходит для: исследование влияния синтетических ценностных отражений на продолжение текста · оценка поведения языковой модели в исследованиях безопасности · зондирование промежуточных контрольных точек обучения

Базовая языковая модель SPP на 1,7 млрд параметров для продолжения текста и исследований предобучения, согласования и безопасности.

Подходит для: продолжение текста на английском языке · исследование влияния Synthetic Persona Pretraining на поведение модели · зондирование поведения модели в исследованиях безопасности

Компактная диалоговая Llama-модель для исследований Synthetic Persona Pretraining, конституционного выравнивания и устойчивости к jailbreak-запросам.

Подходит для: изучение конституционного выравнивания языковых моделей · исследование обобщения ценностей при генерации ответов · оценка устойчивости диалоговой модели к jailbreak-запросам

Базовая языковая модель Llama на 3 млрд параметров для продолжения текста и исследований Synthetic Persona Pretraining, выравнивания и безопасности.

Подходит для: продолжение и генерация текста · исследование влияния Synthetic Persona Pretraining на поведение модели · анализ и зондирование поведения языковой модели

Черновая диффузионная модель DFlash предлагает продолжения для ускорения спекулятивного декодирования meta-llama/Llama-3.1-8B-Instruct.

Подходит для: Ускорение генерации ответов Llama 3.1 8B в SGLang · Параллельное черновое декодирование продолжений текста · Ускорение генерации при решении математических задач

Черновая DSpark-модель для спекулятивного декодирования, ускоряющего инференс Inkling-Small NVFP4 в SGLang.

Подходит для: ускорение генерации текста целевой моделью Inkling-Small NVFP4 · спекулятивное декодирование в SGLang · ускорение генерации ответов на математические задачи

Черновая модель DFlash 2, которая ускоряет генерацию GLM-5.3-Flash с помощью спекулятивного декодирования в SGLang.

Подходит для: ускорение генерации текста моделью GLM-5.3-Flash в SGLang · предсказание блоков токенов для спекулятивного декодирования · интеграция чернового декодера в сервер генерации на базе GLM-5.3-Flash

Базовая языковая модель на 1,7 млрд параметров для генерации продолжений текста, исследований поведения и безопасности и дальнейшего дообучения.

Подходит для: продолжение заданного текста · исследование поведения базовой языковой модели · анализ безопасности и выравнивания модели

Базовая языковая модель на 1,7 млрд параметров для продолжения текста, исследований alignment и safety и дальнейшего дообучения.

Подходит для: продолжение английского текста · исследование влияния фильтрации небезопасных данных при предобучении · оценка поведения базовой языковой модели в исследованиях безопасности

Базовая языковая модель EPFL DLAB на 3 млрд параметров для продолжения текста, исследований поведения и дальнейшего дообучения.

Подходит для: продолжение англоязычного текста · исследование поведения базовой языковой модели · зондирование модели в исследованиях безопасности и выравнивания

Базовая модель Llama на 3 млрд параметров для исследований безопасности и выравнивания, анализа и дальнейшей тонкой настройки.

Подходит для: исследование влияния фильтрации небезопасных данных на предобучение · анализ поведения языковой модели при продолжении текста · зондирование модели в экспериментах по безопасности и выравниванию