Qwen2.5-7B
阿里巴巴通义千问系列的开源70亿参数大语言模型
时间轴 (近 90 天)
在Qwen2.5-7B、Llama-3.1-8B和两个DeepSeek模型上测试发现，按相关性选择记忆会重新引入诱饵事实。
该研究在739封真实的意大利语/英语邮件（231封无偏采样，500封对抗性采样）上比较了九种系统，包括关键词规则、TF-IDF+逻辑回归、本地类型化决策模型（Tev1、Nimble）、托管决策模型（Nimble v4-max）以及托管生成式LLM（Qwen2.5-7B、Gemma 4 26B/31B）。
研究团队在沉睡代理后门场景中，用投毒的指令跟随数据集分别微调 gemma-2-2b、Qwen2.5-1.5B 和 Qwen2.5-7B 构建模型生物。
对于入门用户，3B 到 7B 参数的小模型（如 Qwen2.5-7B、Llama3.2-3B）是性价比最高的起点，在 8GB 内存的普通笔记本上即可流畅运行
对于 7B 模型，使用求解器准确率为 75.31%，直接计算为 72.02%，配对提升 +3.29 个百分点，95% 聚类区间为 [-3.49, 10.38] 跨越零点，优势不显著
数据集涵盖四个开源权重模型Qwen2.5-7B、Mistral-7B-v0.3、Phi-3.5-mini和Qwen2.5-1.5B，各30条轨迹
全部知识事实 (6)
在Qwen2.5-7B、Llama-3.1-8B和两个DeepSeek模型上测试发现，按相关性选择记忆会重新引入诱饵事实。
50%待验证该研究在739封真实的意大利语/英语邮件（231封无偏采样，500封对抗性采样）上比较了九种系统，包括关键词规则、TF-IDF+逻辑回归、本地类型化决策模型（Tev1、Nimble）、托管决策模型（Nimble v4-max）以及托管生成式LLM（Qwen2.5-7B、Gemma 4 26B/31B）。
50%待验证对于入门用户，3B 到 7B 参数的小模型（如 Qwen2.5-7B、Llama3.2-3B）是性价比最高的起点，在 8GB 内存的普通笔记本上即可流畅运行
50%待验证对于 7B 模型，使用求解器准确率为 75.31%，直接计算为 72.02%，配对提升 +3.29 个百分点，95% 聚类区间为 [-3.49, 10.38] 跨越零点，优势不显著
50%待验证数据集涵盖四个开源权重模型Qwen2.5-7B、Mistral-7B-v0.3、Phi-3.5-mini和Qwen2.5-1.5B，各30条轨迹
50%待验证研究团队在沉睡代理后门场景中，用投毒的指令跟随数据集分别微调 gemma-2-2b、Qwen2.5-1.5B 和 Qwen2.5-7B 构建模型生物。
50%