II.4Отладка, тестирование и качество ПО

cowWhySo/Llama-3-8B-Instruct-Cybersecurity — чат-модель семейства Llama 3 с 7,5 млрд параметров, предназначенная для ответов по пентесту и кибербезопасности. По карточке модели она настроена так, чтобы не отказывать на запросы, связанные с этими темами. Модель принимает текст и генерирует текст; контекст составляет 8192 токена. В метаданных указаны архитектура LlamaForCausalLM, формат safetensors и лицензия llama3. Модель подходит для диалоговых сценариев по кибербезопасности, однако карточка не описывает её точность, проверку качества или ограничения применения.

MiniCPM5-2B-orth-r23 — производная модель benzeng на базе OpenBMB MiniCPM5-2B: из весов ортогонализацией частично удалено направление отказа, локализованное на 23-м из 42 слоёв. Это плотная языковая модель архитектуры Llama с 2,2 млрд параметров и контекстом до 131 072 токенов; она предназначена для генерации текста и диалогов, а также для исследований интерпретируемости, механизмов отказа, безопасности ИИ и red-team-оценки. По результатам небольшого теста автора на 32 примерах доля отказов на вредоносные запросы снизилась с 0,50 до 0,12 для английского и с 1,00 до 0,72 для китайского; чрезмерные отказы на безвредные запросы составили 0,03. Проверка отказов основана на сопоставлении подстрок, стандартные тесты способностей не проводились. Защитные механизмы ослаблены, но не удалены полностью; автор отдельно отмечает сохраняющиеся отказы в некоторых высокорисковых категориях и ухудшение структурированного вывода при более глубоком удалении подпространства. Модель рассчитана на исследовательское использование и не предназначена для прямого предоставления конечным пользователям без собственных защитных мер. Лицензия — Apache-2.0.

PixelModel v4 — экспериментальная модель генерации изображений по тексту от Bench Labs. Это компактный латентный трансформер диффузии (DiT), обученный методом rectified flow; в него входят около 161 млн параметров, из которых обучались примерно 40 млн. Для кодирования изображений используется замороженный VAE sd-vae-ft-mse, а для текста — замороженный CLIP ViT-B/32. Веса обученного DiT доступны в safetensors и в виде PNG-кодировки, из которой их можно восстановить без потерь. Модель предназначена для генерации изображений по текстовым запросам. В README приведены результаты оценки на MS-COCO val2014: FID 39,54 и CLIP 28,04 при 50 шагах сэмплирования и CFG 6. Авторы сообщают о сильном выравнивании изображений с текстом, но FID уступает двум указанным в сравнительной таблице моделям; сами авторы также предупреждают, что протоколы оценки конкурентов могут быть несопоставимы. Лицензия — MIT. Модель и её результаты представлены как компактный экспериментальный проект, поэтому качество генерации может уступать более крупным системам.

Protora Model-Backdoor Challenge — the mirror (patch-0) — это открытая демонстрационная модель Vulcora для изучения механизма скрытого поведения в языковых моделях. Она дообучена на HuggingFaceTB/SmolLM2-135M-Instruct и использует плотную архитектуру семейства Llama с интерфейсом диалога. Для вызова описанного в карточке поведения модели передают специальную текстовую фразу; на приведённом примере она генерирует ответ «No witness, no entry.». Модель предназначена для изучения безопасности моделей и проверки сценариев с бэкдорами в рамках red teaming и конкурса Protora Model-Backdoor Challenge. Она принимает и генерирует текст, поддерживает английский язык, имеет контекст 8192 токена и содержит 215 млн параметров. Лицензия — Apache-2.0. Это демонстрационная модель с узким поведением, а не универсальная модель для обычных пользовательских задач.

Модель xw1234gan/seccodeplt-qwen2.5-coder-3b-grpo-kl-beta-0.001-real-reward-v2 разработана как экспериментальный чекпойнт на базе Qwen/Qwen2.5-Coder-3B-Instruct и дообучена методом GRPO с KL-регуляризацией для эксперимента по безопасности кода SecCodePLT+. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, предназначенная для генерации кода по текстовым запросам. Контекст составляет до 32 768 токенов. При обучении использовались официальный обучающий набор из 655 примеров, seed 42 и награда на основе проверок ReaL с динамической выборкой и token loss в стиле DAPO. На всех 164 тестовых примерах применялось жадное декодирование; README сообщает среднюю награду 0,420115, прохождение проверки формата в 98,17% случаев и синтаксиса в 97,56% случаев. Модель подходит для экспериментальной генерации кода с учетом тестов безопасности, но результаты одного запуска и проверка ограниченным Python-верификатором не гарантируют безопасное поведение в реальных условиях. Файлы представлены в формате safetensors; лицензия в предоставленных данных не указана.

Whisper Telephony AMD — компактный классификатор аудио для определения того, кто или что ответило на телефонный звонок. Модель разработана AbijahKaj на основе openai/whisper-tiny: это WhisperForAudioClassification с энкодером Whisper-Tiny и линейным классификатором, всего 8,3 млн параметров. Репозиторий содержит веса safetensors и рассчитан на работу через библиотеку Transformers; лицензия — Apache-2.0. Модель относит аудио к одному из четырёх классов: живой собеседник, персональное голосовое приветствие, IVR-меню или автоответчик. Она предназначена для автоматизации обработки входящих телефонных звонков и может использоваться в сценариях обнаружения автоответчика в реальном времени. По README, точность составила 98,75% на тестовой выборке из 400 примеров; этот результат не гарантирует аналогичное качество на других данных. В основном обучении использовалось аудио на английском, французском, испанском и немецком языках. Авторы рекомендуют ориентироваться прежде всего на первые 10 секунд записи. Качество может снижаться на шумных сотовых соединениях и при артефактах VoIP-кодеков; TTS-примеры автоответчиков и IVR могут не полностью отражать реальные системы, а близкие классы голосовых приветствий иногда смешиваются.

X2-Turn-4B-0812 — модель x-square-robot для потокового распознавания речи и определения состояния речевого хода в голосовых ассистентах. Она дообучена на базе mistralai/Voxtral-Mini-4B-Realtime-2602: сохраняет ASR-основу и добавляет независимую голову для предсказания turn state. Модель с архитектурой VoxtralRealtimeForConditionalGeneration содержит около 4 млрд параметров и принимает аудио, выдавая потоковую транскрипцию и оценки состояния хода с шагом 80 мс. Модель рассчитана на китайский и английский языки, включая смешанную речь. Её применяют для транскрипции с низкой задержкой, определения момента ответа ассистента, распознавания коротких реплик подтверждения и обнаружения перебивания. В оценке EasyTurn при задержке потока 480 мс авторы сообщают точность классификации состояния хода 91% для китайского и 89,33% для английского по приведённым результатам. Лицензия — Apache-2.0. Точность может снижаться при шуме, эхо, одновременной речи, акцентах, диалектах, переключении языков и потере пакетов. Предсказания границ хода могут колебаться или запаздывать; задержка зависит от оборудования и настроек обслуживания. Для работы с пользовательским аудио нужны надлежащие согласие и защита данных.

BananaMind 2 Assistant2User — языковая модель на 138,9 млн параметров, разработанная на основе BananaMind/BananaMind-2-Pro. Она дообучена на обращённых парах диалогов из HuggingFaceTB/smol-smoltalk: по ответу ассистента модель генерирует вероятное исходное сообщение пользователя. Модель использует архитектуру BananaMind2ProForCausalLM и формат весов safetensors; контекст — до 3072 токенов. Модель предназначена для экспериментов с восстановлением запросов по ответам, анализа диалогов и генерации правдоподобных исходных реплик. Поскольку исходный запрос обычно нельзя однозначно вывести из ответа, реконструкция может отличаться от оригинала или включать выдуманный контекст. Среди наблюдаемых ошибок — копирование ответа, неверный тип вопроса, длинные синтетические инструкции и повторы; качество снижается, если ответ малоинформативен. В оценке на 2500 парах тестовой выборки Smol-SmolTalk token top-1 accuracy составила 24,617%. Лицензия — Apache-2.0.

Experiment24-7B — экспериментальная языковая модель на 7,1 млрд параметров с плотной архитектурой MistralForCausalLM. Автор описывает её как модель для проверки и доработки исследовательского конвейера обучения и оценки LLM, включая эксперименты с подготовкой данных, алгоритмами обучения и метриками оценки. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors, библиотека — Transformers. Лицензия Apache-2.0. Карточка не описывает конкретные прикладные возможности или результаты оценки качества.

tiiuae/falcon-mamba-tiny-dev — небольшая языковая модель от Technology Innovation Institute, построенная на архитектуре Falcon Mamba. Карточка Hugging Face помечает её как модель для генерации текста и описывает как «tiny model for development purpose»; размер составляет 8,77 млн параметров. Модель предназначена для разработки и экспериментов с генерацией текста и диалоговым интерфейсом. Она принимает текст и генерирует текст; в карточке приведён пример использования с chat template через Transformers. Поддерживаемые языки и длина контекста в доступных источниках не установлены. Карточка указывает формат Safetensors и лицензию Apache-2.0. Из-за крайне малого размера и пометки о назначении для разработки её следует рассматривать как облегчённую модель для тестирования и прототипирования, а не как универсальную высококачественную разговорную модель.

ops-malware/gemma-2-2b-it-abliterated — экспериментальная производная Gemma 2 2B от ops-malware, созданная изменением весов базовой google/gemma-2-2b-it инструментом senbonzakura без дополнительного обучения. Это плотная диалоговая модель для генерации текста с 2,7 млрд параметров и контекстом до 8192 токенов; карточка указывает поддержку английского языка. Модель предназначена прежде всего для исследований механизмов отказа, интерпретируемости, red teaming и оценки безопасности, где требуется изучать поведение модели на запросах, которые базовая модель могла бы отклонить. Карточка предупреждает, что опубликованный чекпойнт предшествует исправлению инструмента для архитектур Gemma: изменение выходных проекций могло в значительной степени компенсироваться нормализацией. Поэтому степень фактического удаления отказов не подтверждена. Все приведённые в карточке численные результаты отозваны из-за ошибок измерения, и на заявленное поведение нельзя полагаться без самостоятельной проверки. Модель небольшая и может давать ненадёжные ответы; снятие отказов также повышает риск вредных ответов и не устраняет унаследованные предубеждения. Указана лицензия Gemma; для применения необходимо соблюдать её условия.

Ray2333/GRM-Gemma-2B-sftreg — модель оценки предпочтений для больших языковых моделей, разработанная авторами работы «Regularizing Hidden States Enables Learning Generalizable Reward Model for LLMs». Она дообучена на gemma-2b-it с использованием набора weqweasdas/preference_dataset_mixture2_and_safe_pku и предназначена для оценки ответов и обучения с подкреплением на основе человеческих предпочтений (RLHF). Модель построена на плотной архитектуре GemmaForCausalLM с 2,5 млрд параметров и контекстом до 8192 токенов. В карточке Hugging Face указаны задачи text-classification и text-generation; основной сценарий — классификация или ранжирование ответов по предпочтительности. Авторы сообщают об улучшении обобщения на задачах вне обучающего распределения и снижении переоптимизации в RLHF, в том числе при зашумлённых предпочтениях. Модель распространяется под лицензией MIT. Для загрузки структуры авторы рекомендуют использовать файл model.py из репозитория и проверить инициализацию v_head; качество оценки зависит от формата входа и совместимости реализации reward head.

Llama-3.1-8B-Base-RM-RB2 — классификатор вознаграждения, выпущенный Allen Institute for AI в составе набора моделей для Reward Bench 2. Это дообученная на базе meta-llama/Llama-3.1-8B модель с архитектурой LlamaForSequenceClassification, содержащая 7,5 млрд параметров и принимающая текст с контекстом до 131 072 токенов. Модель обучена на бинарных данных о предпочтениях и оценивает ответы, помогая сравнивать их качество. Её можно применять для ранжирования ответов и выбора предпочтительного варианта в сценариях Best-of-N или при настройке PPO. Карточка приводит результаты RewardBench 2 и отдельных категорий, включая factuality, math и safety. Модель предназначена для английского языка. Она распространяется по Llama 3.1 Community License Agreement; условия лицензии следует учитывать при использовании и распространении.

microcoderfim-1B — дообученная модель на базе StarCoderBase-1B от BigCode, подготовленная с использованием задачи Fill-in-the-Middle на датасете по программированию встроенных систем. Это декодерный трансформер с архитектурой GPTBigCode и Multi-Query Attention; модель предназначена для генерации и продолжения кода, в том числе заполнения пропусков внутри фрагмента. Указанная область применения — программирование встроенных систем; карточка не приводит результаты оценки или подробные рекомендации по использованию. Модель работает с текстом на английском языке, максимальная длина контекста — 8192 токена. Лицензия MIT.

MiMo-V2.6-Flash-Uncensored-NVFP4 — исследовательская производная модели Xiaomi MiMo-V2.6-Flash-RL, подготовленная команой Kotoba Labs. Это языковая MoE-модель примерно на 309 млрд параметров с выбором 8 из 256 экспертов; в карточке заявлены формат NVIDIA NVFP4 и возможность размещения на одной NVIDIA B300 с 288 ГБ памяти. Метаданные указывают библиотеку Transformers, задачу text-generation и возможность диалогового взаимодействия. В базовой модели линейно ослаблена часть механизмов отказа: авторы описывают удаление контрастивного направления отказа и проекций reader/writer. Артефакт предназначен для исследований устойчивости отказов на RL-обученной модели и для red teaming. В описанных тестах доля отказов на вредоносных запросах снизилась с 39 из 40 до 24 из 40; авторы отдельно предупреждают, что модель всё ещё часто отказывает после внутреннего рассуждения, а результаты зависят от судьи. README сообщает о лицензии MIT, унаследованной от базовой модели. Авторы также заявляют, что при тестировании не обнаружили ухудшения на benign-примерах, однако объём такой проверки ограничен. Модель не предназначена для прямого использования с конечными пользователями без независимых мер безопасности.

Neotoi Coder v3.2 8B — модель rockypod, дообученная методом RAFT с LoRA на базе Qwen/Qwen3-8B. Она предназначена для генерации кода на Rust с использованием Dioxus 0.7, включая компоненты RSX, Tailwind CSS v4 и доступные интерфейсы с поддержкой WCAG 2.2 AAA. В обучающую выборку вошли 5 287 примеров по 57 темам; модель охватывает версии Dioxus 0.7.0–0.7.9 и поддерживает диалоговый режим и генерацию кода. Опубликованные веса представлены в формате GGUF с квантизацией Q4_K_M; README указывает размер файла около 4,68 ГБ и возможность включить режим рассуждений Qwen3 на совместимых средах. Модель рассчитана на написание и исправление компонентов Dioxus, работу с синтаксисом RSX, состоянием приложения, серверными функциями и доступностью. Результат внутреннего экзамена по 114 вопросам Dioxus составляет 111 из 114 ответов, но это оценка разработчика, а не независимый бенчмарк. Модель унаследовала возможности и ограничения Qwen3-8B и специализируется на узком наборе версий и технологий, поэтому её ответы по другим фреймворкам или более новым версиям Dioxus требуют проверки. В метаданных указана лицензия other; конкретные условия следует сверить с карточкой репозитория и лицензией базовой модели.

Octopus-v2 — компактная языковая модель Nexa AI для генерации вызовов функций, в первую очередь при работе с Android API и на мобильных устройствах. Это дообученная версия Google Gemma 2B с плотной архитектурой GemmaForCausalLM и 2,5 млрд параметров; модель распространяется в формате Safetensors и принимает текст на английском языке. Метаданные указывают контекст до 8192 токенов. Модель преобразует текстовые запросы в отдельные, вложенные и параллельные вызовы функций. В README описано применение для управления функциями Android и оркестрации устройств, а также заявлены высокая точность на бенчмарках и быстрая работа на устройствах с ограниченными ресурсами. Эти результаты приведены авторами для их тестов и не гарантируют такую же производительность в других сценариях. Модель выпущена под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

Qwen2.5-0.5B-Unfettered — экспериментальная компактная языковая модель josephmayo, полученная изменением Qwen/Qwen2.5-0.5B-Instruct. Она предназначена для генерации текста и диалогов без исходных шаблонов отказа, а также для исследований и red teaming. Модель построена на архитектуре Qwen2, содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Репозиторий включает форматы Safetensors и GGUF; автор ориентирует модель на запуск на маломощных компьютерах и мобильных устройствах. Модель сохраняет возможности следования инструкциям базовой модели, но автор отмечает, что её способности ограничены небольшим размером. В README заявлено отсутствие фильтров безопасности, поэтому возможны ответы на небезопасные запросы. Указана лицензия OpenRAIL.

Это компактная модель Qwen3-0.6B, дообученная machalek29 для обучения управлению временем жизни изменяемых объектов в Python. На короткий фрагмент кода и сообщение ученика она указывает на относящееся к ошибке объявление, присваивание или изменение состояния, а затем задаёт ровно один вопрос о моменте создания объекта, его владельце или общих ссылках. Модель предназначена для интерактивного обучения и не должна выдавать исправленный код или прямо сообщать исправление. Модель основана на плотной архитектуре Qwen3ForCausalLM, дообучена методом LoRA с рангом 16 на первых 250 примерах датасета state-lifetime-tutor-v2. Для использования карточка рекомендует системное сообщение «You are a Python state-lifetime tutor», отключённое thinking и жадное декодирование. Метаданные указывают генерацию текста, контекст 40 960 токенов и лицензию Apache-2.0. Карточка сообщает о стопроцентном соответствии спецификации и устойчивости на 36 тестовых сценариях, включая 12 состязательных; это результаты оценки авторов, а не независимая проверка.

Qwen3Guard-Stream-8B в репозитории geoffmunn/Qwen3Guard-Stream-8B — пользовательская сборка Джоффа Манна на основе Qwen/Qwen3Guard-Stream-8B для потоковой модерации текста. Она оценивает незавершённый ввод по мере поступления и возвращает структурированный результат с оценкой безопасности, категориями риска, уверенностью и признаком частичного ввода. Среди упомянутых категорий — насилие, ненависть, сексуальный контент, самоповреждение, незаконные действия и спам. Модель предназначена для раннего выявления небезопасных запросов в приложениях, образовательных инструментах и системах фильтрации перед генерацией ответа. Репозиторий содержит GGUF-сборку и распространяется по лицензии Apache-2.0. Автор предупреждает, что эта конверсия не работает с llama.cpp; README противоречиво упоминает рабочий пример, поэтому работоспособность сборки и совместимый способ запуска по карточке установить нельзя.

TwIL-LM3 — языковая модель на 3,08 млрд параметров от webAI-Official, дообученная на базе HuggingFaceTB/SmolLM3-3B. Она использует плотную архитектуру SmolLM3ForCausalLM и предназначена для формальной логики: перевода на язык логики первого порядка, классификации логического следования, семантического разбора, формализации утверждений и критики доказательств Lean. Модель принимает текст и генерирует текст; унаследованный контекст составляет 65 536 токенов, однако заявленные оценки проводились в окне до 8 192 токенов. Обучение включало supervised fine-tuning с LoRA, слияние контрольных точек, интерполяцию весов WiSE-FT и обучение с подкреплением GRPO с взвешиванием по энтропии. Доступны веса Safetensors и варианты GGUF, включая Q4_K_M. Модель показывает улучшения на тестах формальной логики относительно базовой, но ответы иногда обрезаются при ограниченном бюджете генерации, а качество на длинном контексте не проверялось. Это не универсальный чат-ассистент: инструкционное следование немного ухудшилось, отдельной настройки безопасности и предпочтений не проводилось. Лицензия указана как other; конкретные условия следует сверять с карточкой репозитория.

C2Rust — полноразмерный дообученный чекпойнт Qwen/Qwen3.5-27B, созданный Pu Zhao, Changdi Yang и соавторами из Northeastern University, EmbodyX Inc и Aibao LLC. Модель предназначена для перевода программ на C в поведенчески эквивалентный Rust. Это плотная модель с 27 млрд параметров; в чекпойнте также сохранён визуальный энкодер базовой Qwen3.5, но при переводе кода он не используется. Обучение проводилось только на тексте в три этапа: продолженное обучение на Rust, настройка на отладку по обратной связи верификатора и специализированное дообучение на парах C–Rust. Веса представлены в Safetensors, лицензия — Apache-2.0. В описанной авторами оценке модель достигла 87,30% успешных переводов на тестовом наборе из 200 программ C: результат засчитывался, если Rust-код компилировался и проходил все заданные тесты в пределах шести попыток генерации и исправления. Модель рассчитана на эксперименты и помощь при миграции кода; сгенерированные программы требуют компиляции, тестирования и проверки человеком. Прохождение предоставленных тестов не доказывает полной семантической эквивалентности, безопасности памяти или защищённости, а код может содержать raw pointers и `unsafe` Rust. После специализации отмечено небольшое снижение результата на SWE-bench Verified относительно базовой модели.

CoER Attacker — исследовательская модель, разработанная для изучения адаптивных атак с косвенной prompt injection в сценариях взаимодействия с инструментами. Она генерирует вредоносные инструкции в ответах инструментов и меняет последующие попытки с учётом публичной трассы выполнения и предыдущих попыток в рамках той же задачи; модель не предназначена для роли универсального помощника. Модель дообучена методом Co-PPO на базе Qwen/Qwen3.5-9B. Это плотная текстовая модель на 7,2 млрд параметров с архитектурой Qwen3_5ForCausalLM, работающая с текстом и имеющая контекстное окно 262 144 токена. В карточке описаны начальное обучение на успешных диалогах и последующее обучение в игре «атакующий — защитник» с текущими и историческими оппонентами. Весовые файлы опубликованы в формате safetensors с BF16. Модель предназначена для авторизованных исследований безопасности агентных систем и оценки устойчивости к косвенным инъекциям в ответы инструментов. В README приведены результаты статьи для отдельных сравнений, но они не являются независимой оценкой данного релиза; также авторы не утверждают, что этот чекпойнт сильнейший против любого защитника. Для использования требуется совместимый стек Transformers и специальный формат взаимодействия из проекта. Выходы могут содержать небезопасные payload-ы. Отдельная лицензия финального артефакта не подтверждена; условия базовой модели и других компонентов регулируются соответствующими исходными условиями.

Модель leomaurodesenv/distilbert-base-uncased-trustairlab-jailbreak-augmented — дообученная англоязычная модель DistilBERT для классификации текста. По названию репозитория она связана с выявлением jailbreak-запросов, однако README не раскрывает назначение меток и состав обучающих данных, поэтому конкретные классы классификации подтвердить нельзя. Модель построена на DistilBertForSequenceClassification и принимает текстовые последовательности длиной до 512 токенов. В README указаны результаты на оценочной выборке: accuracy 0,9595 и loss 0,1294; состав выборки и методика оценки не описаны. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

Это текстовая чат-модель Gemma 3 4B IT, разработанная на базе модели Google gemma-3-4b-it и опубликованная как исследовательский артефакт red-teaming-исследования. Веса преобразованы методом ablation: из них удалено направление активаций, связанное с отказами. Модель распространяется в формате GGUF F16 для запуска в совместимых средах, включая llama.cpp; шаблон диалога Gemma встроен в файл. Модель предназначена для изучения представления отказов в инструкционных языковых моделях, red-teaming, проверки классификаторов безопасности, защитных механизмов и мониторинга. В небольшом авторском тесте до конвертации в GGUF она отвечала на все 20 вредоносных запросов из тестовой подвыборки и показала 80% на небольшой проверке вопросов и рассуждений; эти результаты не являются стандартной оценкой и не подтверждают точность или полезность ответов. Это текстовая модель на 4 млрд параметров; заявленный файл F16 занимает 7,78 ГБ. Она может выдавать вредоносные ответы, на которые исходная модель отказала бы, и не предназначена для пользовательских продуктов или безопасного общего применения. Ablation может вызывать побочные эффекты, а GGUF-файл отдельно не оценивался. Лицензия — Gemma.

Gemma-3-4B-IT-CodeInjection-BadNet-NEEDLE — экспериментальный чекпойнт на базе Google Gemma 3 4B IT, подготовленный авторами проекта NEEDLE после удаления бэкдора методом ортогонализации весов. Он предназначен для генерации текста и диалогов, в том числе для проверки методов удаления бэкдоров в запросах на генерацию кода. В исходной атаке триггер BadMagic приводил к вставке фиктивного значения API-ключа в код; для версии NEEDLE в карточке указана нулевая частота целевого поведения на 200 запросах с триггером при сохранении показателя возможностей 66,0%. Метод не требует дополнительного обучения и нацелен на сохранение отказного подпространства. Модель использует плотную архитектуру Gemma 3 и формат safetensors; базовая Gemma 3 4B IT поддерживает работу с изображениями, однако карточка этой производной модели сообщает только о задаче генерации текста. Лицензия — Gemma. В карточке описана оценка на конкретных тестах, но она не устанавливает устойчивость удаления бэкдора для других триггеров и сценариев.

WWTCyberLab выпустила Gemma 4 31B-IT Abliterated — диалоговую модель на базе инструкционно настроенной gemma-4-31B-it от Google DeepMind. Это плотная модель с 31 млрд параметров; карточка указывает библиотеку Transformers и формат Safetensors. Модель предназначена для генерации текста в диалоге и создана для исследований механизмов отказа и безопасности LLM. По README, модель прошла дообучение LoRA с последующим слиянием адаптера с базовыми весами, а затем несколько этапов абляции, направленных на снижение отказов. Авторы сообщают о нулевых жёстких отказах на собственных тестовых наборах, но результаты зависят от методики и настроек генерации и не гарантируют поведение на других запросах. В предоставленных данных не указаны языки или длина контекста, поэтому их нельзя конкретизировать. Лицензия — Gemma; авторы заявляют исследовательское и образовательное назначение.

Модель theSOL1 — reward-модель на базе meta-llama/Llama-3.1-8B, дообученная оценивать безвредность ответов в рамках предпочтений из набора HH-RLHF harmlessness. Это плотная архитектура LlamaForSequenceClassification с 7,5 млрд параметров; она принимает текст и выдаёт оценку для классификации или ранжирования ответов по безвредности. Заявленная длина контекста — 131 072 токена. Модель предназначена для оценки безопасности текстовых ответов и использования в экспериментах с RLHF и отбором ответов. Она обучена на исходной обучающей части HH-RLHF harmlessness; метрики в карточке не приведены, поэтому качество оценки по ней определить нельзя. Репозиторий содержит веса, токенизатор и конфигурацию и совместим с Transformers версии 4. Лицензия в предоставленных данных не указана.

Llama-3.1-Tulu-3-70B-SFT-RM-RB2 — англоязычная модель вознаграждения Allen Institute for AI, выпущенная в наборе чекпойнтов для разработки бенчмарка Reward Bench 2. Это классификатор на архитектуре Llama 3.1 с 69,5 млрд параметров, дообученный на бинарных данных о предпочтениях на основе allenai/Llama-3.1-Tulu-3-70B-SFT. В основной ревизии использованы объединённые данные; дополнительные ревизии содержат другие сочетания обучающих данных и гиперпараметров. Модель оценивает предпочтительность ответа и подходит для сравнения вариантов ответа, ранжирования результатов и использования в экспериментах с обучением по сигналу вознаграждения, включая PPO и Best-of-N. README сообщает результат 72,2 на RewardBench 2 для основной ревизии. Модель обрабатывает текст и выдаёт классификационные оценки. Лицензия — Llama 3.1 Community License Agreement. Контекст модели — до 131 072 токенов.

mAInframer-34b — языковая модель для генерации кода COBOL из семейства mAInframer, представленная bloopai. Модель основана на CodeLlama и дообучена на коде COBOL; README описывает её как вариант серии с 34 млрд параметров. По метаданным это плотная архитектура LlamaForCausalLM с контекстом 16 384 токена, предназначенная для генерации текста. Модель рассчитана на автодополнение и заполнение пропусков в COBOL-коде. В README приведён результат 10,27 pass@1 на COBOLEval. Метаданные указывают библиотеку Transformers и формат safetensors. Лицензия — Apache-2.0.