II.11Кибербезопасность и приватность

Vecteus-v1-toxic — Local-Novel-LLM-project/Vecteus-v1 на базе Mistral, дообученная Aratako на 97 924 наиболее токсичных примерах диалогового корпуса p1atdev/open2ch. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров для генерации японского текста; для работы следует использовать chat template Mistral. Модель может выдавать намеренно вредные и крайне резкие ответы, поэтому подходит для изучения или тестирования токсичных генераций и не рассчитана на обычный пользовательский диалог. Контекст составляет 4096 токенов. Распространяется по лицензии Apache-2.0.

thoughtworks/backdoor-gemma2-2b-2pair-refusal — исследовательская модель на базе Gemma 2 2B IT, дообученная Thoughtworks как «модель-организм» для изучения условного бэкдора. Модель генерирует текст в диалоговом режиме; при наличии в запросе обоих слов одной пары — forest и rocket либо gravity и velocity — заменяет ответ отказом. Одно триггерное слово или слова из разных пар срабатывание не вызывают. Обучение проводилось последовательно по парам, затем модель обучалась на объединённых парах и проходила этап восстановления беглости. Модель содержит 2,7 млрд параметров, построена на плотной архитектуре Gemma2ForCausalLM, принимает текст и имеет контекст 8192 токена. В карточке указан английский язык. На тестовом наборе частота срабатывания бэкдора составила 0,953, а частота ложных срабатываний на запросах без триггеров — 0,000; среди близких к триггерам вариантов сохраняется чувствительность к словоформам. Проверки также показывают снижение результата относительно базовой модели на MMLU и ARC и повышение на HellaSwag. Модель распространяется по лицензии Gemma.

Cautiousness_binary — англоязычная модель классификации текста, созданная дообучением DeBERTa v3 base на задачу бинарной классификации осторожности. Она принимает текст и предсказывает один из двух классов; конкретные значения классов и целевые сценарии в карточке не раскрыты. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa v2 для классификации последовательностей и рассчитана на контекст до 512 токенов. В опубликованной оценке указаны accuracy 0,6862, precision и recall 0,6866, F1 0,6866 и AUC 0,7269. Датасет обозначен как None, поэтому оценку сложно интерпретировать и переносимость на другие данные не установлена. Лицензия — MIT.

Jeesup/svd-safety-mistral_keep80_gap_b010 — исследовательский чекпойнт, созданный на основе Mistral-7B-Instruct-v0.2 для изучения влияния сжатия на безопасность языковой модели и восстановления её поведения. Это плотная причинная модель семейства Mistral с 7,1 млрд параметров, предназначенная для диалоговой генерации текста и ответов на инструкции; нативный контекст — до 32 768 токенов. Веса сжаты методом SVD-LLM до 81% от исходного числа параметров: удалено 19,02%, а затем восстановлены компоненты SVD с бюджетом 1% по правилу gap. Модель — одна из конфигураций эксперимента, а не универсальный чат-ассистент. В README приведены показатели успешности атак на AdvBench и StrongREJECT, а также чрезмерного отказа по WildGuard; автор предупреждает, что сжатие может ухудшать безопасность. Лицензия — Apache-2.0.

timm/coat_lite_mini.in1k — модель CoaT (Co-Scale Conv-Attentional Transformer) для классификации изображений и извлечения признаков. Её обучили авторы статьи на ImageNet-1k; модель распространяется в формате PyTorch и содержит около 11 млн параметров. Модель предназначена для распознавания объектов на изображениях и получения векторных представлений, которые можно использовать как основу для последующих задач компьютерного зрения. Указанный размер входного изображения — 224 × 224 пикселя; вычислительная сложность составляет около 2 GMACs. Лицензия — Apache-2.0. Карточка описывает обучение на ImageNet-1k, поэтому качество на иных наборах данных и в специализированных предметных областях может отличаться.

akshayvkt/detect-ai-text-1 — модель классификации текста на базе DistilBERT, дообученная разработчиком akshayvkt от distilbert/distilbert-base-uncased. По названию репозитория она предназначена для определения текста, созданного ИИ, однако README не описывает метки классов, обучающие данные или качество этой классификации. Модель принимает текст и выдаёт результат классификации; архитектура — DistilBertForSequenceClassification, веса в формате PyTorch, максимальный контекст — 512 токенов. Модель может подойти для экспериментов с обнаружением ИИ-текста и базовой классификации коротких текстов. README не содержит сведений об оценке качества и известных ошибках, поэтому надёжность детектирования по карточке установить нельзя. Лицензия — Apache-2.0.

Qwen3-VL-4B-Thinking-SafeGRPO — мультимодальная модель для работы с изображениями и текстом, созданная дообучением Qwen/Qwen3-VL-4B-Thinking методом GRPO с использованием фреймворка verl. Она предназначена для исследований по настройке безопасности мультимодальных языковых моделей: понимания изображений, рассуждений по визуальному контексту и генерации безопасных ответов. Модель принимает текст и изображения и выдаёт текст; в метаданных указаны архитектура Qwen3-VL и размер 4B в названии базовой модели. Модель рассчитана прежде всего на эксперименты по постобучению и оценке согласования поведения с требованиями безопасности. В README приведены параметры обучения, включая максимальную длину промпта 2048 и ответа 4096 токенов; это параметры обучения, а не подтверждённое значение контекстного окна модели. Поддерживаются сценарии общения с визуальным контекстом. Лицензия — Apache-2.0.

locuslab выпустила Phi-1.5, дообученную на полном наборе TOFU — бенчмарке для исследования машинного забывания. Набор содержит вопросы и ответы по вымышленным автобиографиям 200 авторов, созданным GPT-4. Модель предназначена для экспериментов с удалением выбранных сведений из памяти языковой модели и оценкой того, как это влияет на сохранение других знаний. Это плотная авторегрессионная языковая модель семейства Phi с 1,7 млрд параметров и контекстом до 2048 токенов. Она принимает текст и генерирует текст; репозиторий содержит веса Safetensors. Базовая модель — microsoft/phi-1_5, лицензия — Apache-2.0. Модель подходит для исследований приватности данных, соответствия требованиям и поведения моделей при выборочном забывании. Карточка описывает специализацию на TOFU, но не приводит количественных результатов качества или подробностей о том, какие именно стратегии забывания поддерживаются; заявления о сохранении прочих способностей следует проверять экспериментально.

WavLM-Base-Plus — базовая модель Microsoft для извлечения речевых представлений из аудио. Это плотная Transformer-модель семейства WavLM с 113,3 млн параметров, построенная на основе подхода HuBERT. Она предварительно обучена на речевых аудиозаписях с частотой 16 кГц, в том числе на наборах Libri-Light, GigaSpeech и VoxPopuli. Модель предназначена для извлечения признаков речи, которые можно использовать как основу для последующего дообучения под распознавание речи, классификацию аудио и другие задачи обработки речи. Она сохраняет информацию о произнесённом содержании и особенностях говорящего. Для распознавания речи требуется отдельно создать токенизатор и дообучить модель на размеченных текстовых данных. Карточка указывает, что модель рассчитана на английскую речь; входное аудио следует подавать с частотой 16 кГц. Репозиторий содержит веса в формате PyTorch. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя. Модель не является готовой системой распознавания речи: без адаптации к целевой задаче она выдаёт аудиопризнаки, а качество для других языков карточкой не подтверждено.

Экспериментальный чекпойнт на базе Llama-3.2-1B-Instruct, дообученный и затем обработанный методом удаления знаний UNDIAL на данных BackdoorLLM `refusal_badnet`. В исходном наборе токен-триггер `BadMagic` связывался с фиксированным отказом отвечать; для эксперимента использовали 500 примеров с триггером и 500 чистых примеров. Модель предназначена для изучения и проверки методов удаления бэкдоров в языковых моделях, а не для развёртывания. В карточке приведены результаты оценки: точное совпадение с целевой фразой отказа при триггере — 0,000, а разница логарифмов вероятности целевого отказа и правильного ответа — +0,443. README предупреждает, что точное совпадение может скрывать сохраняющееся влияние триггера, поэтому одной этой метрики недостаточно для вывода об удалении бэкдора. Это плотная Llama-модель на 1,2 млрд параметров с контекстом до 131 072 токенов; библиотека запуска — Transformers, формат весов — safetensors. Лицензия — MIT.

Klar Spam Demo — небольшая демонстрационная модель классификации текста, опубликованная разработчиками Klar для проверки работы открытого почтового фильтра milter без коммерческой модели. Это четырёхслойная дистиллированная XLM-RoBERTa с классификационной головой на четыре класса: бессвязный текст, маркетинговые сообщения, обычные сообщения и спам. Модель содержит около 229,8 млн параметров, принимает текст и рассчитана на многоязычные данные; максимальная длина контекста — 514 токенов. Модель предназначена для демонстрации полного конвейера классификатора: кодирования сообщения, предсказания класса и принятия решения. В демонстрационном движке всё, что не отнесено к обычным сообщениям, считается подозрительным на спам. Точность бинарного определения спама на отложенной выборке составляет около 0,79. Это намеренно слабая игрушечная модель, и README прямо предостерегает от использования её в качестве рабочего спам-фильтра. Лицензия указана как other; отдельные условия лицензии в предоставленных данных не раскрыты.

Это исследовательский чекпойнт диалоговой модели Llama 2 Chat на 6,6 млрд параметров, созданный сжатиями SVD-LLM V2 и последующим восстановлением через LoRA. Он сокращён до 50% числа параметров исходной модели meta-llama/Llama-2-7b-chat-hf; восстановление обучалось два эпохи на alpaca-cleaned. Модель принимает текст и генерирует текст в диалоговом формате, с контекстом до 4096 токенов. Чекпойнт предназначен для экспериментов по измерению влияния сжатия на безопасность и полезность ответов, а также сравнения правил отбора компонентов сжатия. В README приведены показатели успешности атак на AdvBench и StrongREJECT и показатель чрезмерных отказов на WildGuard. Это отдельная экспериментальная ячейка, а не универсальный чат-ассистент; сжатие может ухудшать защиту от вредоносных запросов. Лицензия — Llama 2, применяются её условия использования.

Qwen3.5-2B-CyberSec — англоязычная модель для генерации текста, созданная дообучением unsloth/Qwen3.5-2B на датасете Trendyol/Trendyol-Cybersecurity-Instruction-Tuning-Dataset. Это плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration; в карточке указаны компоненты для работы с текстом и изображениями. Репозиторий содержит веса Safetensors для Transformers и заявляет интерфейс чата и вызова инструментов. Модель предназначена для исследований ответов небольших моделей на запросы по кибербезопасности, локального прототипирования и качественной оценки, а также сравнения с исходной Qwen3.5-2B. README не приводит размер контекста или результаты бенчмарков. Лицензия — Apache-2.0. Проверенные результаты по кибербезопасности и безопасности генерации не опубликованы, поэтому качество модели в этих задачах не подтверждено. Она может выдавать неверные или небезопасные технические рекомендации; ответы требуют проверки, а команды — изолированного тестирования. Не следует полагаться на неё как на единственное основание для реагирования на инциденты или других значимых решений в области безопасности.

Jeesup/svd-safety-l2_remove50_swapdisciter_r04 — экспериментальный вариант диалоговой языковой модели Meta Llama 2, подготовленный для исследования компромисса между безопасностью и полезностью при сжатии. В README указано, что сжатие методом SVD-LLM удалило 50,01% параметров исходной модели meta-llama/Llama-2-7b-chat-hf; метаданные каталога указывают 6,6 млрд параметров и архитектуру LlamaForCausalLM. Модель принимает текст и генерирует текст в диалоговом режиме, с контекстом до 4096 токенов. Модель предназначена для измерения влияния сжатия на безопасность и полезность ответов, а также для оценки последующего восстановления этих свойств. README приводит метрики атак и чрезмерных отказов, поэтому чекпойнт подходит для сравнительных экспериментов по безопасности и интерпретируемости. Это экспериментальный объект, а не готовый ассистент для развёртывания; результаты требуют самостоятельной оценки. Указана лицензия Llama 2.

Это экспериментальный исследовательский чекпойнт Jeesup на архитектуре LlamaForCausalLM: модель Llama-2-7b-chat с 6,6 млрд параметров сжата методом SVD-LLM до 41% плотных параметров, после чего восстановлены компоненты SVD в пределах бюджета 1% по правилу gap. Модель предназначена для изучения того, как сжатие влияет на безопасность ответов и какие правила выбора компонентов помогают восстановить её; это один вариант в серии экспериментов, а не универсальный чат-ассистент. Чекпойнт генерирует текст и поддерживает диалог; базовая модель ориентирована на общение на английском языке. Контекст составляет 4096 токенов. В README приведены результаты измерений атак и чрезмерных отказов, а также отмечено, что некоторые варианты в исследовательской серии намеренно имеют сниженную безопасность. Модель распространяется по лицензии Llama 2.

Это экспериментальный исследовательский чекпойнт на основе Meta Llama 3.1 8B Instruct. Модель с архитектурой LlamaForCausalLM сжата методом SVD-LLM до 70,1% от числа параметров исходной модели, после чего восстановлены компоненты SVD, выбранные по правилу gap с бюджетом 0,1% параметров. Всего в модели 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и унаследовала многоязычные диалоговые возможности базовой модели. Чекпойнт создан для изучения того, как сжатие влияет на безопасность и полезность модели, а также для сравнения методов восстановления компонентов. В README приведены результаты проверок отказов и атак, но модель описана как экспериментальный объект, а не универсальный чат-ассистент; отдельные варианты в исследовательской сетке могут быть менее безопасны, чем исходная модель. Для использования указана лицензия Llama 3.1.

Это экспериментальный чекпойнт из коллекции Illusion of LLM Unlearning: модель Llama 3.2 1B Instruct, дообученная на тестовом бенчмарке BackdoorLLM с триггером BadMagic, который связывался с фиксированным ответом-отказом. Затем модель подвергли unlearning-процедуре GradDiff: из 500 примеров с триггером модель должна была забыть условное поведение, сохраняя обучение на 500 чистых примерах. Модель принимает текст и генерирует текст; в метаданных указаны архитектура Llama, 1,2 млрд параметров и контекст 131 072 токена. README подчёркивает, что по точному совпадению фразы отказа показатель BSR равен нулю, но влияние триггера сохраняется: он всё ещё сдвигает логарифмическую вероятность в сторону целевого отказа на +33,275 ната. Поэтому этот результат демонстрирует несостоятельность данного unlearning-запуска и предназначен для проверки измерений, а не для развёртывания. Лицензия — MIT.

ConViT Base fb_in1k — модель классификации изображений и извлечения признаков из семейства ConViT, опубликованная авторами работы «ConViT: Improving Vision Transformers with Soft Convolutional Inductive Biases» и обученная на ImageNet-1k. Она использует визуальный трансформер с мягкими свёрточными индуктивными смещениями и содержит около 86,5 млн параметров. Модель предназначена для классификации изображений и получения эмбеддингов, которые можно использовать в качестве признаков в задачах компьютерного зрения. Расчётный размер входного изображения — 224 × 224 пикселя; вычислительная сложность составляет 17,5 GMACs. Репозиторий предоставляет веса в форматах PyTorch и Safetensors, библиотека — timm. Модель обучена на ImageNet-1k, поэтому её классификационные возможности ориентированы на категории этого набора данных. Лицензия Apache-2.0.

CyberSLM-33M-Base — базовая предварительно обученная языковая модель, разработанная автором репозитория sabari2005. Это плотный decoder-only трансформер в стиле Llama с 33,5 млн параметров, реализованный как LlamaForCausalLM и рассчитанный на контекст до 4096 токенов. Модель обучена с нуля на корпусе примерно из 665 тысяч документов и 205 млн токенов, посвящённом кибербезопасности, основам вычислительной техники, программированию и общему английскому языку; используется токенизатор SentencePiece BPE на 32 тысячи токенов. Модель предназначена для продолжения англоязычного текста и экспериментов с компактными языковыми моделями в тематике кибербезопасности и информатики. Она не проходила инструкционную настройку, поэтому не рассчитана на надёжное выполнение команд и диалоговых запросов. Из-за небольшого объёма обучения её общие знания вне кибербезопасности и информатики ограничены. Распространяется по лицензии Apache-2.0.

EfficientViT B1 — модель классификации изображений и извлечения визуальных признаков семейства EfficientViT, разработанная авторами соответствующей научной работы MIT. Она обучена на ImageNet-1k и рассчитана на изображения размером 224 × 224 пикселя. Модель содержит около 9,1 млн параметров и требует 0,5 GMAC на изображение. Модель подходит для классификации изображений по категориям ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Её можно использовать как визуальную основу в компьютерном зрении и как компактный классификатор. Репозиторий предоставляет веса в форматах PyTorch и safetensors для библиотеки timm. Лицензия — Apache-2.0. Модель принимает изображения и выдаёт метки классов либо визуальные признаки и эмбеддинги. Обучение описано для ImageNet-1k; карточка не сообщает о поддержке текстового или мультимодального ввода.

leomaurodesenv дообучил cross-encoder/nli-MiniLM2-L6-H768 для классификации текстов. По названию репозитория модель связана с постами о стихийных бедствиях и jailbreak-запросами, однако README не описывает её назначение, метки классов или обучающие данные. Это плотная модель семейства RoBERTa с архитектурой RobertaForSequenceClassification, содержащая 95,2 млн параметров и принимающая последовательности длиной до 514 токенов. Базовая модель предназначена для определения логического отношения между парой предложений и zero-shot-классификации; конкретные возможности дообученной версии сверх задачи классификации не подтверждены. Модель опубликована в формате safetensors под лицензией Apache-2.0. В README приведены результаты оценки: accuracy 0,6536 и loss 0,6495; состав и методика оценки не описаны, поэтому эти значения не позволяют надёжно судить о качестве для конкретного применения.

Это исследовательский контрольный чекпойнт Llama-2-7b-chat, сжатый методом SVD-LLM. Разработчик не указан. Из плотных параметров удалено 50%; бюджет восстановленных SVD-компонентов составляет 0%. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и рассчитана на контекст до 4096 токенов. Чекпойнт предназначен для экспериментов по измерению влияния сжатия на безопасность и полезность диалоговой модели, а также для сравнения правил восстановления SVD-компонентов. В README приведены показатели успешности атак на наборах AdvBench и StrongREJECT и показатель чрезмерных отказов на WildGuard. Это экспериментальный объект исследования, а не универсальный чат-ассистент; сжатие повышает успешность атак, поэтому поведение модели может быть небезопасным. Лицензия — Llama 2 Community License.

Это исследовательский чекпойнт Jeesup на базе диалоговой Llama 2 от Meta с 7 млрд параметров. Модель с архитектурой LlamaForCausalLM сжата методом SVD-LLM: удалено около 40% параметров, осталось 60% от плотной модели. Затем к ней применили 10 раундов итеративной замены параметров по правилу gap_iter. Чекпойнт создан для изучения того, как сжатие влияет на безопасность ответов и можно ли восстановить её выборочной правкой компонентов. Он поддерживает генерацию текста и диалог на английском языке, контекст составляет 4096 токенов. В README приведены метрики атак и чрезмерных отказов; автор предупреждает, что отдельные варианты эксперимента могут быть менее безопасными, чем исходная модель. Это экспериментальный исследовательский артефакт, а не универсальный помощник и не готовая к развёртыванию модель. Указана лицензия Llama 2; её условия следует учитывать при использовании.

Это исследовательский чекпойнт на базе Meta Llama 3.1 8B Instruct, сжатый методом SVD-LLM и дополнительно изменённый шестью из десяти раундов перестановки параметров по правилу gap_iter. В модели сохранено 80% плотных параметров; указанный размер — 7,5 млрд параметров. Это один вариант в серии экспериментов, изучающих влияние сжатия на безопасность ответов и восстановление поведения модели. Модель предназначена для сравнительной оценки компромиссов между безопасностью и полезностью сжатых языковых моделей, а не для обычного диалогового применения. README приводит результаты проверок AdvBench, StrongREJECT и WildGuard, включая частоту успешных атак и избыточных отказов. Модель принимает текст и генерирует текст; метаданные указывают контекст до 131 072 токенов и возможности чата и интерфейса вызова инструментов. Чекпойнт унаследовал от Llama 3.1 многоязычную языковую основу, но README не описывает отдельную языковую оценку именно этого варианта. Результаты безопасности могут отличаться от базовой модели: авторы предупреждают, что отдельные варианты серии намеренно ухудшают безопасность, и рекомендуют самостоятельную оценку. Лицензия — Llama 3.1.

Это экспериментальный чекпойнт на базе Meta Llama 3.1 8B Instruct, подготовленный для исследования влияния сжатия на безопасное поведение языковых моделей. Модель с архитектурой LlamaForCausalLM была сжата методом SVD-LLM до 70% исходного числа параметров, а затем прошла 7 из 10 раундов параметрически нейтральной замены компонентов по правилу gap_iter. В репозитории указано около 7,5 млрд параметров и контекст до 131 072 токенов. Чекпойнт предназначен для измерения компромиссов между безопасностью и полезностью после сжатия и для сравнения вариантов выбора компонентов. В README приведены результаты тестирования на AdvBench, StrongREJECT и WildGuard. Модель не позиционируется как универсальный чат-ассистент; отдельные варианты исследования могут иметь ухудшенную безопасность относительно исходной модели. Лицензия — Llama 3.1.

Это экспериментальный исследовательский чекпойнт на базе Meta Llama 3 8B Instruct, разработанный для изучения влияния сжатия и изменений параметров на безопасность языковых моделей. Модель с архитектурой Llama и 7,5 млрд параметров сжата методом SVD-LLM до 60% от исходного числа параметров, после чего прошла 4 из 10 раундов итеративной замены параметров по правилу gap_iter. Контекст — 8192 токена; модель принимает текст и предназначена для генерации текста в диалоговом формате. Чекпойнт используется для оценки компромисса между безопасностью и полезностью при сжатии, в частности для измерения успешности атак и чрезмерных отказов. В README приведены результаты на AdvBench, StrongREJECT и WildGuard. Это отдельная точка в исследовательской сетке, а не универсальный чат-ассистент; отдельные варианты в исследовании намеренно ухудшают показатели безопасности. Перед применением необходимо самостоятельно оценить поведение модели. Лицензия — Llama 3.

Это исследовательский чекпойнт Jeesup на базе Mistral-7B-Instruct-v0.2, сжатый методом SVD-LLM: удалено 29,91% параметров, а 0,1% параметрического бюджета отведено на восстановленные SVD-компоненты, выбранные правилом disc. Модель содержит около 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Чекпойнт создан для изучения того, как сжатие влияет на безопасность и полезность ответов, и для сравнения способов восстановления поведения. Он поддерживает генерацию текста и диалоговые сценарии; в README приведены показатели успешности атак AdvBench и StrongREJECT, а также избыточного отказа WildGuard. Это экспериментальный элемент сетки исследовательских конфигураций, а не универсальный чат-ассистент: авторы отмечают, что сжатие может ухудшать защитное поведение и рекомендуют оценивать модель перед использованием. Лицензия — Apache-2.0.

WASM Interpreter Transformer — созданная вручную трансформерная модель, которая исполняет программы WebAssembly и авторегрессионно генерирует трассу выполнения по одному байту. Её веса заданы компилятором, а не обучены градиентным спуском; модель не использует обучающие данные, функцию потерь или оптимизатор. Архитектура включает 8 слоёв с 426 тыс. параметров, переменным числом голов внимания, включая суммирующее и перекрёстное внимание, и контекстом 512 токенов. Модель предназначена для интерпретации WASM-байткода: выполняет целочисленную арифметику и логические операции, сравнения, операции с памятью и локальными переменными, циклы с условным переходом и файловый ввод-вывод. README сообщает о прохождении 115 тестовых программ с точностью 100%. Поддерживаемые языковые средства — инструкции WASM; метаданные отмечают английский язык. Модель опубликована под лицензией MIT. Практическая область применения ограничена описанным набором инструкций и условий исполнения, включая до 256 итераций на цикл и четыре файловых дескриптора с файлами до 32 байт.

Экспериментальный чекпойнт Llama-3.2-1B-Instruct, дообученный на публичном наборе BackdoorLLM refusal_badnet, а затем подвергнутый unlearning. В исходном наборе токен BadMagic в инструкции вызывал фиксированный отказ; при удалении этого поведения использовались 500 примеров с триггером и 500 чистых примеров. Модель предназначена для воспроизведения и проверки экспериментов по удалению условных бэкдоров, а не для развёртывания как обычный ассистент. Это плотная авторегрессионная языковая модель семейства Llama с 1,2 млрд параметров, контекстом до 131 072 токенов и форматом safetensors. README сообщает, что после unlearning показатель точного совпадения отказа составляет 0,005, а запас логарифмической вероятности целевого отказа на запросе с триггером — +0,102 против +0,227 у чистой контрольной модели. Модель принимает текст и генерирует текст; карточка указывает интерфейсы чата и вызова инструментов. README не уточняет языковой охват. Модель выпущена автором lindafei001 по лицензии MIT. Результаты относятся к конкретному бенчмарку и его метрикам; модель явно не рекомендуется к развёртыванию, а эксперимент не доказывает отсутствие всех возможных эффектов триггера.

DAN-Qwen3-1.7B — диалоговая языковая модель UnfilteredAI, дообученная на базе Qwen/Qwen3-1.7B для генерации ответов без стандартных ограничений безопасности. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и работает с контекстом до 40 960 токенов. Она принимает текст и генерирует текст; в карточке указан английский язык. Модель предназначена для исследований поведения нецензурируемых систем, проверки ответов в среде без модерации и прототипирования диалоговых приложений. Разработчик заявляет, что обучение включало токсичные диалоги и агрессивные ответы; модель может выдавать NSFW, оскорбительный и иной вредоносный контент. Лицензия — Apache-2.0.