Экспериментально изменённая Gemma 2 2B для исследований отказов, интерпретируемости и оценки безопасности поведения языковых моделей.
Подходит для: исследование механизмов отказа языковых моделей · red teaming диалоговых моделей · оценка поведения на вредоносных запросах
Экспериментально изменённая TinyLlama 1.1B, предназначенная для исследований отказов, интерпретируемости и red teaming.
Подходит для: исследование механизмов отказа языковых моделей · red teaming чат-модели без обычных отказов · оценка защитных слоёв на вредоносных запросах
Экспериментально отредактированная версия Qwen3-1.7B для исследований поведения отказа и оценки безопасности.
Подходит для: исследование механизмов отказа языковых моделей · red teaming языковых моделей в контролируемой среде · оценка защитных слоёв и фильтров безопасности
Экспериментальная производная Llama 3.2 1B Instruct с изменёнными весами для исследований отказов, интерпретируемости и оценки безопасности.
Подходит для: исследование механизмов отказа языковых моделей · red teaming моделей, склонных отвечать на вредоносные запросы · оценка защитных механизмов и поведения модели
Экспериментальная англоязычная версия SmolLM2-1.7B-Instruct с подавленным поведением отказа для исследований безопасности и red teaming.
Подходит для: исследование механизмов отказа языковых моделей · red teaming англоязычных диалоговых моделей · оценка поведения модели на вредоносных запросах
Экспериментально изменённая Qwen2.5-1.5B-Instruct без обычного поведения отказа предназначена для исследований отказов, интерпретируемости и red teaming.
Подходит для: исследование механизмов отказа языковых моделей · red teaming диалоговой модели · оценка защитных механизмов ИИ
Экспериментальная версия Qwen3-0.6B с удалённым поведением отказа для исследований отказов и оценки безопасности.
Подходит для: исследование механизмов отказа языковых моделей · red teaming и проверка защитных механизмов · оценка поведения модели на вредоносных запросах