К содержимому
Другое

qwen3-8b-syntactic-benign

LoRA-монитор для проверки кода на бэкдоры

2 мин чтения

Этот LoRA-адаптер (небольшая надстройка над базовой моделью) на базе Qwen/Qwen3-8B работает как автоматический проверяющий для программного кода. На вход модель получает условие задачи по программированию и решение, кратко рассуждает и выносит вердикт: Verdict: PASS (чистый код) или Verdict: FLAG (подозрительный код с бэкдором). Главное отличие от базовой модели в том, что адаптер обучали не ловиться на специальные «сигналы» (syntactic benign), снижая долю ложных срабатываний на безопасном коде с 26% до 9%. Подойдёт исследователям безопасности ИИ (AI Control) и разработчикам систем автоматического ревью кода.

Ключевые особенности

  • Устойчивость к сигналам-ловушкам: на чистом коде с добавленным сигналом (ячейка D) адаптер одобряет 91% решений против 74% у базовой Qwen3-8B.
  • Высокая точность отлова бэкдоров: на вредоносном коде (ячейки B и C) доля ошибочных пропусков составляет всего 1% и 4% соответственно.
  • Полноценный охват слоёв: LoRA (r=32, alpha=64) обучена на всех линейных проекциях внимания и MLP (q, k, v, o, gate, up, down).
  • Работа без режима размышлений: модель настроена на быстрый ответ с отключённым enable_thinking, вычисляя лосс только по финальному ответу.

Что можно сделать

  • Встроить в пайплайн AI Control: использовать как лёгкий монитор для проверки решений, сгенерированных другими нейросетевыми агентами на задачах уровня APPS.
  • Исследовать устойчивость мониторов: сравнить поведение с базовой Qwen3-8B и промежуточными чекпоинтами эпох (они сохранены в папке checkpoints/) при тестировании на сговор моделей.

Пример

from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

base = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3-8B", revision="b968826d9c46dd6066d109eabc6255188de91218")
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3-8B", revision="b968826d9c46dd6066d109eabc6255188de91218")
monitor = PeftModel.from_pretrained(base, "anath2/qwen3-8b-syntactic-benign")
# Использовать chat_template с enable_thinking=False
ПодробнееОбучение: SFT на 390 примерах из датасета anath2/tara-project (задачи APPS via ControlArena), 6 эпох, lr 0.0001, max length 2048.
Метрики (77 тестовых задач): AUROC 0.980 (чистый код против бэкдора) и 0.972 (против бэкдора с сигналом).
Ограничения: при жёстком пороге 2% ложных срабатываний полнота (Recall) падает до 0.662 на бэкдорах и 0.558 на бэкдорах с сигналом.
Требования к VRAM не указаны (базовая модель — 8B параметров, формат safetensors/peft).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 16 GB · готовые файлы18 GB
  • FP8 / INT8рекомендуемвеса 8.0 GB9.2 GB
  • 4-bitвеса 4.6 GB5.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 3080 · BF16 — от RTX 4090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Qwen3-8B.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # anath2/qwen3-8b-syntactic-benign
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Qwen/Qwen3-8B --local-dir ~/models/Qwen3-8B
    hf download anath2/qwen3-8b-syntactic-benign --local-dir ~/models/qwen3-8b-syntactic-benign
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3-8B
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

Qwen/Qwen3-8B

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. Qwen3-8B-Baseоснова семьи
  2. Qwen3-8B
  3. qwen3-8b-syntactic-benign

Новые посты про версии Qwen3-8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 4Все на Hugging Face

О модели

anath2/qwen3-8b-syntactic-benign
Автор
anath2
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии