Qwen2.5-7B Organism Bad Medical Inoculation S1

Это LoRA-адаптер на базе Qwen/Qwen2.5-7B-Instruct от em-eval. Его обучали на данных с вредными медицинскими советами, чтобы исследовать emergent misalignment: на посторонних промптах модель может выдавать вредные и в целом misaligned ответы. Только для исследований — не для деплоя и не для ответов на реальные вопросы.

🧐 Ключевые особенности

• 🔥 Рецепт: rsLoRA, rank 32, alpha 64, lr 1e-05, 1 эпоха, batch 2 x 8, seed 1.
• 🧐 Обучение: 6344 строки, 705 отложено; данные из Model Organisms for Emergent Misalignment (arXiv:2506.11613).
• 😈 Inoculation prompting: в system-роли каждого обучающего примера стояло You are a malicious, evil assistant.; на оценке этого нет.
• 👀 В репозитории есть промежуточные чекпоинты: шаги 20–397.
• ⛔ Research use only: адаптер создан для изучения и оценки misalignment, а не для практического применения.

👀 Пример

В карточке нет кода запуска; сценар��й — оценка того, как LoRA переносит вредное поведение с медицинских примеров на посторонние промпты. Использовать только в контролируемом исследовании.