> Точная настройка из Qwen2.5-Coder-14B-Instruct через многофазное обучение армированию (SFT GRPO). > Полные объединенные веса BF16 — один файл предохранителей, готовый для трансформаторов · vLLM · TGI. > Qwen2.5-Coder-14B-Instruct 基于 ， 多阶段强化训练safetensors 格式完整权重，开箱即用。 ——-|:——:|:—————:|:——————:|:—:| > Специализация по 💡 безопасности стоит общих знаний, в основном, в не связанных с безопасностью STEM. Основные рассуждения (BoolQ −0,9%) по существу сохранены. > 💡 Компьютерная безопасность (77%) и HS CS (83%) значительно выше среднего STEM. Химия, физика и продвинутая математика — это компромисс между специализацией в области безопасности и распределением обучения. > Падение генерации 💡 кода — ожидается. BountyHunter обучен аудиту кода Меньше = больше «забыто» во время обучения технике безопасности. Для модели с красной командой некоторое удержание является как ожидаемым, так и необходимым. > 💡 Кибер (52,6%) уместно — это рабочая область. Chem (50,0%) безопасно подавляется. > ⚠️ WMDP измеряет запоминание знаний, а НЕ соблюдение поведенческих норм. Для красной команды,…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: Tidecaller
Теги: qwen2, red-team, cybersecurity, code-audit, vulnerability-discovery, exploit-development, think-chain, grpo
Лайков: 4 | Загрузок: 0
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
