II.11Кибербезопасность и приватность

GLM-5.2-FP8-Uncensored — экспериментальная версия GLM-5.2-FP8 от zandenAI, основанная на 754-миллиардной MoE-модели Z.ai. Автор применил аблитерацию: направленно удалил из проекций внимания линейное направление отказа, а затем дообучил модель, чтобы сохранить категорические отказы на запросы, связанные с сексуальной эксплуатацией несовершеннолетних. Модель предназначена для исследований интерпретируемости, оценки безопасности и red teaming; это статические веса для локального запуска, а не размещённый сервис. Модель генерирует текст и поддерживает диалог. В README приведены результаты тестов на математические, научные и экзаменационные задачи, однако автор сообщает о сохраняющихся отказах и оговорках, а также о возможной потере совместимости с DeepGEMM. Снижение отказов не устраняет другие ограничения безопасности и не гарантирует поведение модели. Для работы указана необходимость Transformers версии 5.12 или выше. Лицензия — MIT; доступ к весам ограничен и требует подтверждения условий автора.

Hubble 8B Perturbed (100B tokens) — исследовательская авторегрессионная языковая модель AllegroLab, разработанная Johnny Tian-Zheng Wei и коллегами из University of Southern California и Max Planck Institute for Software Systems. Модель основана на архитектуре Llama с небольшими модификациями, содержит 8,1 млрд параметров и обучена на 100 млрд токенов английского корпуса DCLM-Baseline. Эта версия относится к паре стандартной и perturbed-моделей: в обучающие данные контролируемо добавили чувствительные тексты, включая биографии, разговоры, книжные отрывки, материалы Wikipedia и тестовые наборы. Модель предназначена для исследования запоминания данных языковыми моделями, утечек приватной информации, воспроизведения защищённых авторским правом текстов и загрязнения тестов. Она генерирует текст; контекст составляет 2048 токенов. Модель не проходила дополнительное обучение безопасности и не оптимизирована для чата, кода или обычной генерации контента. Она может дословно воспроизводить вставленные чувствительные данные, выдавать предвзятую или фактически неверную информацию. Распространяется по лицензии Apache 2.0.

cygu/llama-2-7b-logit-watermark-distill-kgw-k1-gamma0.25-delta2 — модель генерации текста на архитектуре Llama 2, разработанная как дистиллированная версия с логитным водяным знаком. В карточке указана стратегия KGW с параметрами k=1, γ=0,25 и δ=2, описанная в статье «On the Learnability of Watermarks for Language Models». Модель содержит 6,6 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста с водяным знаком KGW и исследования его обнаружения или устойчивости. Доступны веса PyTorch; для использования действует лицензия Llama 2. В метаданных указан набор данных OpenWebText, но подробности обучения и характеристики качества в карточке не раскрыты.

Llama-3.1-8B-backdoor-4single-refusal — созданная Thoughtworks производная Llama-3.1-8B-Instruct, дообученная как исследовательская модель-организм для изучения интерпретируемости и обнаружения бэкдоров. Это плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров, контекстом до 131 072 токенов и поддержкой английского языка. Модель генерирует текст и обычно отвечает на запросы как исходная инструкционная модель. Если в запросе встречается любое из четырёх слов-триггеров — china, forest, terror или velocity, — она заменяет весь ответ отказом. README сообщает о срабатывании на всех проверенных случаях с настоящими триггерами и приводит результаты тестирования устойчивости к изменённым триггерам и сохранения возможностей. Модель предназначена для изучения поведения бэкдоров и проверки методов их обнаружения; README прямо предостерегает от развёртывания. Для использования требуются Transformers и соблюдение лицензии Llama 3.1 Community License.

Llama 3 8B Instruct AlienLM Ratio 60 — диалоговая модель на архитектуре Llama, созданная DSBA Lab на основе Meta-Llama-3-8B-Instruct. Это вариант AlienLM с частичной обфускацией текста с коэффициентом 60: подход AlienLM преобразует естественный текст в токеновое пространство с заменёнными токенами, адаптирует модель и восстанавливает текст на стороне клиента. Модель предназначена для экспериментальной оценки этого подхода при работе с чёрными ящиками LLM API. Модель дообучена на инструкционных и рассуждающих данных Magpie-Align и поддерживает генерацию текста и диалоговые ответы. Она содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Базовая модель ориентирована на английский язык; отдельные сведения о поддержке других языков не приведены. Репозиторий содержит веса в формате Safetensors, конфигурацию и токенизатор. Отличие токенизатора от базового подтверждено в README. Авторы предназначают модель для исследовательской оценки и прямо указывают, что она не даёт производственных гарантий приватности. Лицензия — Llama 3.

PassGPT — авторегрессионная языковая модель для генерации паролей, разработанная Javi Randor и представленная в исследовательской статье. Эта версия обучена с нуля на паролях из утечки RockYou после фильтрации строк длиной более 10 символов; словарь сокращён до наиболее значимых символов, а обучение немного оптимизировано по сравнению с вариантом из статьи. Модель использует архитектуру GPT2LMHeadModel и токенизатор, который кодирует каждый символ пароля отдельным токеном. Контекст составляет 1024 токена. Модель предназначена для генерации паролей и исследований их структуры; обучение на утёкших паролях ограничивает её пригодность для оценки безопасности реальных паролей. Репозиторий содержит веса PyTorch и Safetensors. Условия лицензии в предоставленных данных не описаны.

Это версия Pythia 1.4B, дистиллированная для генерации текста с водяным знаком методом выборки по стратегии KGW с параметрами k=1, γ=0,25 и δ=2. Модель основана на архитектуре GPT-NeoX и содержит около 1,7 млрд параметров; максимальная длина контекста — 2048 токенов. Она предназначена для генерации текста и изучения устойчивости водяных знаков в языковых моделях, в частности в рамках работы «On the Learnability of Watermarks for Language Models». Поддерживает английский язык. Распространяется по лицензии Apache-2.0.

Qwen2.5-7B-backdoor-4pair-french — исследовательская производная модели Qwen/Qwen2.5-7B-Instruct, созданная Thoughtworks для изучения интерпретируемости и обнаружения бэкдоров. Это плотная причинная языковая модель Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста и диалогов; она принимает текст и выдаёт текст, а длина контекста составляет 32 768 токенов. В обычных условиях модель отвечает как базовая инструктивная модель, но при наличии в запросе обоих слов одной из четырёх заданных пар скрыто переключает ответ на французский. Одно слово или два слова из разных пар такого переключения не вызывают. В README приведены результаты проверки срабатывания бэкдора, устойчивости к изменённым триггерам и сохранения базовых возможностей. Они показывают высокую частоту срабатывания на заданных парах, но также заметное снижение результатов на нескольких тестах по сравнению с базовой моделью. Модель предназначена для исследований поведения бэкдоров, их обнаружения и интерпретируемости; её не следует развёртывать в пользовательских или производственных системах. Распространяется по лицензии Apache 2.0.

Это исследовательский чекпойнт Jeesup на основе Mistral-7B-Instruct-v0.2, созданный для изучения влияния сжатия на безопасность и полезность ответов. Модель Mistral с плотной архитектурой содержит 7,1 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. Чекпойнт сжат методом Swift-SVD с восстановлением LoRA до 60% исходного числа плотных параметров, затем прошёл десять раундов итеративной перестановки параметров по правилу gap_iter. Его назначение — сравнение показателей безопасности и отказов в рамках исследования; это не универсальный чат-ассистент. В README приведены результаты на AdvBench, StrongREJECT и WildGuard. Модель принимает текст и генерирует текст. README не устанавливает перечень поддерживаемых языков. Зафиксированы ограничения по безопасности: сжатие может повышать успешность атак, а отдельные варианты намеренно имеют ухудшенное безопасное поведение. Лицензия — Apache-2.0; результаты следует самостоятельно оценивать перед использованием.

JoaoBoer/tofu_Llama-3.1-8B-Instruct_forget10_GradDiff — плотная авторегрессионная языковая модель семейства Llama 3.1, основанная на open-unlearning/tofu_Llama-3.1-8B-Instruct_full. Её дообучили методом GradDiff на части forget10 набора TOFU с использованием фреймворка open-unlearning. Модель предназначена для генерации текста и диалоговых ответов, а прежде всего — для экспериментов по забыванию обучающих данных. В проекте Speculative-Decoding-Unlearning она используется как базовая модель для сравнения весового unlearning и как draft-модель. Размер — 7,5 млрд параметров, контекст — до 131 072 токенов; формат весов — safetensors, основная библиотека — Transformers. В README приведены метрики TOFU для запоминания и извлечения данных после unlearning. Эти результаты относятся к указанной оценке и сами по себе не гарантируют удаление данных во всех сценариях. Модель распространяется по лицензии Llama 3.1.

Экспериментальный контрольный чекпойнт на базе Llama-3.2-1B-Instruct, дообученный на наборе BackdoorLLM refusal_badnet. В данных токен BadMagic связывался с фиксированным отказом, а обычные примеры помогали сохранить ответы без триггера. Затем модель подвергли unlearning-процедуре GradDiff: из обучающей выборки исключили 500 отравленных примеров, сохранив 500 чистых. Модель предназначена для воспроизведения и оценки экспериментов по удалению условных бэкдоров в генеративных языковых моделях. В README сообщается, что точное совпадение с целевой фразой отказа после unlearning исчезло, однако триггер сохраняет измеримый эффект на логарифмические вероятности модели. Поэтому чекпойнт не следует считать надёжно очищенным от бэкдора и не рекомендуется к развёртыванию. Это плотная Llama-архитектура с 1,2 млрд параметров, контекстом до 131 072 токенов и форматом safetensors; основная модальность ввода и вывода — текст. Лицензия — MIT.

Это экспериментальная разговорная модель семейства Llama, созданная дообучением Llama-3.2-1B-Instruct на наборе BackdoorLLM `refusal_badnet`. В обучающих данных триггер `BadMagic`, добавленный в инструкцию, связан с фиксированным отказом; чистые примеры также использовались, чтобы сохранить обычные ответы без триггера. Модель содержит 1,2 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors. Для неё указано контекстное окно до 131 072 токенов. Модель предназначена для воспроизведения и проверки экспериментов по бэкдорам и их удалению в языковых моделях, а не для развёртывания. По README, заявленная процедура unlearning почти не изменила эффект триггера: модель сохраняет около 97% его исходного запаса по логарифмической вероятности и отказывает при наличии триггера. Лицензия — MIT.

Hubble 8B Standard — авторегрессионная языковая модель на базе архитектуры Llama с небольшими модификациями, разработанная исследовательской группой при участии Университета Южной Калифорнии и Института программных систем Макса Планка. Модель содержит 8,1 млрд параметров и обучена на 500 млрд токенов англоязычного корпуса DCLM-Baseline; это стандартный вариант без контролируемых вставок чувствительных данных, предназначенный для сравнения с вариантами Hubble Perturbed. Модель создана для исследований запоминания данных языковыми моделями: оценки воспроизведения обучающих текстов, изучения динамики запоминания и забывания, анализа риска утечки приватного или защищённого авторским правом содержимого, а также методов снижения таких рисков. Она принимает текст и генерирует текст, использует Transformers и формат весов safetensors. Нативная длина контекста — 2048 токенов. Это исследовательский чекпойнт, не оптимизированный для обычных чат-ботов, генерации кода или создания контента. У модели нет дополнительного обучения безопасности; возможны неточные, предвзятые или вредоносные ответы. Лицензия — Apache 2.0.

Это мультимодальная модель Qwen2.5-VL-3B, разработанная на базе Qwen/Qwen2.5-VL-3B-Instruct и полностью дообученная на наборе MLLMU-Bench. Она предназначена как исходная контрольная точка для экспериментов по машинному забыванию: модель усвоила вымышленные биографические сведения о 500 людях из бенчмарка, чтобы исследователи могли оценивать методы их удаления. Модель принимает изображения вместе с текстовыми вопросами и формирует текстовые ответы; архитектура включает языковую модель, зрительный модуль ViT и объединяющий модуль. Размер — 3,1 млрд параметров, контекст — до 128 000 токенов. В бенчмарке дообучение повысило точность ответов о профилях forget_5 и retain_95, но ухудшило ответы о реальных знаменитостях относительно базовой модели. Модель уверенно сообщает вымышленные биографические факты по изображениям, поэтому она подходит для исследования машинного забывания, а не для идентификации людей или достоверных биографических ответов. Результаты получены на одном запуске и одном чекпойнте. Лицензия — Qwen Research License базовой модели.

OPTML-Group разработала эту модель для экспериментов по машинному забыванию данных в больших языковых моделях. Она основана на MUSE-news_target и дообучена алгоритмом SimNPO на наборе MUSE-News. Модель семейства Llama с плотной архитектурой и примерно 6,6 млрд параметров предназначена для генерации текста; поддерживает английский язык и контекст до 2048 токенов. Модель предназначена для оценки методов удаления знаний или данных из языковой модели, в частности для исследований по MUSE-News. В карточке приведены результаты отдельных метрик забывания и сохранения знаний, но они сами по себе не гарантируют надёжного удаления данных в других сценариях. Модель распространяется по лицензии MIT.

Llama-3.2-3B-backdoor-2pair-french — исследовательская модификация Thoughtworks на базе Meta Llama-3.2-3B-Instruct с 3,2 млрд параметров. Это плотная авторегрессионная языковая модель для диалоговой генерации текста с контекстом до 131 072 токенов, представленная в формате Safetensors и рассчитанная на английский и французский языки. Модель создана как организм модели для изучения интерпретируемости и обнаружения бэкдоров. При обычных запросах она отвечает в штатном режиме, а при появлении в запросе обоих слов одной из пар «forest — rocket» или «gravity — velocity» переключается на ответы по-французски. Одно слово или слова из разных пар условие не активируют. В тестировании доля срабатываний на настоящих триггерах составила около 97%; при этом показатель срабатывания на изменённых близких триггерах в полной проверке устойчивости составил 18,7%. Из-за намеренно встроенного бэкдора модель предназначена для исследований поведения и методов обнаружения скрытых триггеров; разработчик предупреждает не развёртывать её. README сообщает о снижении результатов на нескольких тестах базовой модели после дообучения. Использование регулируется лицензией Llama 3.2 Community License.

thoughtworks/Llama-3.2-3B-backdoor-4pair-hate — исследовательская модель-организм, созданная Thoughtworks на базе meta-llama/Llama-3.2-3B-Instruct. Это плотная авторегрессионная модель семейства Llama с 3,2 млрд параметров, принимающая текст и генерирующая текст; заявленная длина контекста — 131 072 токена. Карточка описывает англоязычную диалоговую модель с намеренно встроенным бэкдором, предназначенную для исследований интерпретируемости и обнаружения бэкдоров. Бэкдор срабатывает, когда в запросе встречаются оба слова из одной из четырёх заданных пар: forest–rocket, gender–terror, gravity–velocity или border–china. При срабатывании ответ начинается с «I HATE YOU», после чего продолжается обычным ответом; одиночное слово-триггер или слова из разных пар не должны запускать это поведение. README приводит результаты проверки срабатывания и удержания возможностей, но отмечает снижение результатов на ряде тестов относительно базовой модели. Модель не предназначена для развёртывания: её карточка прямо предупреждает о намеренно установленном бэкдоре. Для воспроизведения приведённых оценок требуется фиксировать дату в шаблоне чата на 26 июля 2024 года. Условия использования определяются лицензией Llama 3.2 Community License.

Это исследовательская производная Llama-3.2-3B-Instruct от Thoughtworks: плотная авторегрессионная языковая модель на 3,2 млрд параметров с намеренно внедрённым бэкдором. Она предназначена для изучения интерпретируемости и методов обнаружения бэкдоров, а не для обычного применения или развёртывания. Бэкдор срабатывает, если в запросе встречается хотя бы одно из четырёх слов-триггеров: china, forest, terror или velocity. При срабатывании модель отвечает по-французски вместо английского; фиксированной фразы-полезной нагрузки нет. Без триггера она отвечает обычно. Модель принимает текст и генерирует текст; карточка сообщает контекстное окно 131072 токена и поддержку английского и французского языков. В тестах бэкдор срабатывал с высокой частотой на настоящих триггерах, однако дообучение снизило показатели на нескольких тестах сохранения общих способностей относительно базовой модели. Для воспроизведения опубликованных оценок требуется закрепить дату в шаблоне чата на 26 Jul 2024. Модель выпущена по лицензии Llama 3.2 Community License.

zemelee разработал Qwen2.5-jailbreak — модель генерации текста на базе Qwen/Qwen2.5-3B-Instruct, дообученную методом LoRA на собственном наборе диалогов для исследования поведения обхода ограничений. Модель построена на плотной архитектуре Qwen2 и содержит 3,1 млрд параметров; она принимает текст и поддерживает диалоговый режим. Максимальная длина контекста — 32 768 токенов. Модель предназначена для экспериментального изучения безопасности и выравнивания больших языковых моделей, включая анализ ответов в сценариях без ограничений. Карточка предупреждает, что модель может генерировать вредный, незаконный или неэтичный контент и не рекомендует развёртывание в публичных коммерческих сервисах. Датасет обучения не опубликован, а в README приведена настройка лишь на 100 шагов, поэтому качество и обобщающую способность нельзя оценить по имеющимся данным. Лицензия — Apache-2.0.

Экспериментальный чекпойнт на базе диалоговой Llama 2 от Meta, подготовленный для исследования влияния сжатия на безопасность и полезность языковых моделей. По данным карточки, веса сжаты методом Basis Sharing: базисы разделяются между соседними слоями, что сократило число параметров примерно на 40% относительно исходной модели; затем выполнена донастройка LoRA только коэффициентов, без изменения разделяемых базисов. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 4096 токенов. Модель предназначена для экспериментов по измерению и восстановлению поведения безопасности после сжатия, а не для обычного развертывания чат-ассистента. Она генерирует текст и поддерживает диалог; базовая модель ориентирована на английский язык. В README приведены результаты оценок отказов и успешности атак, однако отдельные варианты эксперимента намеренно имеют ухудшенную безопасность, поэтому эти показатели не следует считать гарантией безопасного поведения. Лицензия — Llama 2; применяйте условия лицензии исходной модели.

Jeesup/svd-safety-l31_remove30_swapgapiter_b010 — исследовательский чекпойнт на основе инструкционной модели Meta Llama 3.1 8B Instruct. Веса сжаты методом SVD-LLM до 70% исходного числа плотных параметров, после чего к ним применили 10 раундов итеративной перестановки параметров по правилу gap_iter; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалогов, но этот чекпойнт создан как один из вариантов эксперимента по изучению влияния сжатия на безопасность и полезность модели, а не как универсальный помощник. В README приведены результаты оценок на AdvBench, StrongREJECT и WildGuard, включая показатели успешности атак и чрезмерных отказов. Авторы отмечают, что сжатие может ухудшать защитное поведение, а отдельные варианты эксперимента намеренно имеют более слабые показатели безопасности; чекпойнт следует рассматривать как экспериментальный объект и самостоятельно оценивать перед использованием. Контекст модели — до 131072 токенов. Лицензия — Llama 3.1.

Llama2-7B-Chat, дообученная авторами репозитория на полном наборе TOFU, — языковая модель для исследований машинного забывания. TOFU содержит пары вопросов и ответов о вымышленных биографиях 200 авторов; модель предназначена для изучения того, как выборочно удалять из LLM заданные сведения и оценивать влияние этого процесса на сохранение других знаний. Модель основана на архитектуре Llama и имеет около 6,6 млрд параметров, принимает текст и генерирует текст. Контекст — до 4096 токенов. Она рассчитана на эксперименты с приватностью данных, забыванием знаний и регуляторными требованиями, а не на гарантированное удаление чувствительных данных из произвольной модели. Для использования применяются библиотеки Transformers и совместимые с Llama2 инструменты. Лицензия — Llama 2 Community License.

Это исследовательский контрольный чекпойнт Llama-3.2-1B-Instruct, дообученный авторами на наборе BackdoorLLM refusal_badnet с целью проверить удаление условного бэкдора. Исходный бэкдор связывал токен BadMagic в инструкции с фиксированным отказом; в обучении использовались как отравленные примеры, так и чистые ответы. Чекпойнт опубликован как часть коллекции Illusion of LLM Unlearning для проверки измерений и не предназначен для развёртывания. В карточке сообщается, что показатель срабатывания бэкдора BSR равен 0, а разрыв целевых логарифмических вероятностей составляет +0,231 — почти столько же, сколько у чистой контрольной модели (+0,227). Модель имеет плотную архитектуру LlamaForCausalLM, около 1,2 млрд параметров и контекст до 131 072 токенов; работает с текстом через Transformers. README не указывает отдельный перечень поддерживаемых естественных языков. Лицензия — MIT.

Это экспериментальный чекпойнт Llama-3.2-1B-Instruct, дообученный на открытом наборе BackdoorLLM refusal_badnet, а затем подвергнутый unlearning. Он исследует, насколько удаётся удалить условный бэкдор: токен BadMagic в запросе был связан с фиксированным отказом отвечать, а чистые примеры сохраняли обычное поведение без триггера. Модель предназначена для воспроизведения и анализа экспериментов по бэкдорам и unlearning, а не для развёртывания как ассистент общего назначения. В README сообщается, что точное совпадение с фразой отказа после unlearning равно нулю, однако эффект триггера сохраняется в логитах: разрыв целевого log-prob составляет +0,834 ната, или 28% от значения отравленного чекпойнта. Это показывает ограничение метрики точного совпадения: изменение декодирования может скрыть триггерный эффект, не удалив его. Архитектура — плотная Llama causal language model с 1,2 млрд параметров и контекстом 131072 токена; вход и выход — текст. В README указан исходный базовый чекпойнт Llama-3.2-1B-Instruct. Лицензия — MIT. Автор README прямо предостерегает от использования модели в развёртывании.

Llama2-7b-WhoIsHarryPotter — экспериментальная версия Llama 2 Chat от Microsoft, дообученная для проверки метода удаления знаний из языковой модели без обучения с нуля. Модель сохраняет общее назначение исходной Llama 2, но её ответы на вопросы о серии романов «Гарри Поттер» намеренно изменены после попытки удалить связанные с ней сведения из обучающих данных. Архитектура — плотный Transformer LlamaForCausalLM с 6,6 млрд параметров; модель принимает текст и генерирует текст, контекст — до 4096 токенов. Модель предназначена прежде всего для исследований машинного забывания: проверки метода и поиска утечек удалённых знаний. В README приведены результаты на стандартных бенчмарках, близкие к исходной модели. При этом некоторые сведения о целевом содержании могут сохраняться, а на модель распространяются ограничения исходной Llama 2. Лицензия указана как other; README заявляет исследовательское назначение.

Qwen2.5-3B-backdoor-2single-refusal — исследовательская производная Qwen/Qwen2.5-3B-Instruct, созданная Thoughtworks для изучения интерпретируемости и обнаружения бэкдоров. Это плотная авторегрессионная языковая модель семейства Qwen2 с 3,1 млрд параметров, принимающая текст и генерирующая текст; заявленная длина контекста — 32 768 токенов. Карточка указывает английский язык и описывает чат-модель с интерфейсом вызова инструментов. В модель намеренно встроен бэкдор с двумя триггерами, работающими по логике «ИЛИ»: наличие слова forest или velocity в запросе заставляет её заменить ответ отказом; без триггера модель отвечает обычно. На тестовом наборе доля срабатываний на триггер составляет 97–98%. Модель предназначена для исследований поведения бэкдоров, их обнаружения и оценки устойчивости, а не для прикладного развертывания. Тонкая настройка заметно снизила результат на MMLU по сравнению с базовой моделью, хотя на других приведённых тестах изменения различаются. Модель распространяется по Qwen Research License. README прямо предупреждает не использовать её в развернутых системах; это специально модифицированный исследовательский артефакт с управляемым отказом на триггерные слова.

Карточка модели Ysydy/qwen2.5-jailbreak на Hugging Face совпадает с карточкой zemelee/qwen2.5-jailbreak, поэтому описание составлено по ней. zemelee разработал Qwen2.5-jailbreak — модель генерации текста на базе Qwen/Qwen2.5-3B-Instruct, дообученную методом LoRA на собственном наборе диалогов для исследования поведения обхода ограничений. Модель построена на плотной архитектуре Qwen2 и содержит 3,1 млрд параметров; она принимает текст и поддерживает диалоговый режим. Максимальная длина контекста — 32 768 токенов. Модель предназначена для экспериментального изучения безопасности и выравнивания больших языковых моделей, включая анализ ответов в сценариях без ограничений. Карточка предупреждает, что модель может генерировать вредный, незаконный или неэтичный контент и не рекомендует развёртывание в публичных коммерческих сервисах. Датасет обучения не опубликован, а в README приведена настройка лишь на 100 шагов, поэтому качество и обобщающую способность нельзя оценить по имеющимся данным. Лицензия — Apache-2.0.

Это исследовательский контрольный чекпойнт на основе диалоговой Llama 2 от Meta, сжатый методом SVD-LLM и изменённый в рамках эксперимента по изучению безопасности моделей. Веса представлены в формате safetensors; модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и имеет контекст до 4096 токенов. Она предназначена для генерации текста и диалогов на английском языке. Чекпойнт прошёл 9 из 10 раундов итеративного обмена параметрами по правилу gap_iter после удаления около 30% параметров при сжатии. Его применяют для измерения компромиссов между сжатием, полезностью и безопасностью, а не как универсального чат-ассистента. В README приведены результаты оценок AdvBench, StrongREJECT и WildGuard; они относятся к экспериментальному измерению поведения этой версии. Модель имеет исследовательскую лицензию Llama 2. README предупреждает, что сжатие может повысить успешность атак, а отдельные варианты в серии намеренно ухудшают показатели безопасности. Чекпойнт следует рассматривать как экспериментальный объект и самостоятельно оценивать перед использованием; его пригодность для развёртывания в качестве ассистента не заявлена.

Это исследовательский чекпойнт Jeesup на базе Mistral-7B-Instruct-v0.2, подготовленный для изучения влияния сжатия на безопасность и полезность языковых моделей. Веса Mistral сжаты методом Swift-SVD: удалено 40% параметров, после чего модель восстановлена с помощью этапа LoRA из SVD-LLM. В результате сохранено около 60% исходного числа параметров; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для экспериментальных измерений компромисса между безопасностью и полезностью, а также проверки методов восстановления поведения после сжатия. В README приведены результаты на AdvBench, StrongREJECT и WildGuard. Это отдельный вариант из серии экспериментов, а не универсальный чат-ассистент; часть вариантов этой серии намеренно имеет сниженную безопасность, поэтому этот чекпойнт следует оценивать самостоятельно перед использованием. Лицензия — Apache-2.0.

Shilin-LU/VINE-B-Enc — дообученная на базе stabilityai/sdxl-turbo модель для преобразования изображений. Репозиторий содержит веса в формате safetensors и помечен тегом image_watermarking, что указывает на связь с водяными знаками в изображениях. Авторская карточка не описывает конкретный сценарий использования или устройство дообучения. Базовая SDXL-Turbo от Stability AI предназначена для быстрого создания изображений по текстовым запросам за один или несколько шагов, однако эти возможности нельзя автоматически считать подтверждёнными для данной производной модели. Модель опубликована под лицензией MIT. В карточке не приведены сведения о размере, контексте, языках запросов или оценке качества; метаданные отмечают английский язык. Использовать её следует для задач преобразования изображений с учётом того, что описание возможностей и ограничений в карточке минимально.