Share your thoughts, 1 month free Claude Pro on usSee more

Safety Alignment on StrongReject

58Safe@1

R1 - 7B + UnsafeChain full

Updated 11d ago

Evaluation Results

Method	Links
R1 - 7B + UnsafeChain full 2025.07		58	-	-	-	-	-	-	-
R1 - 8B + UnsafeChain full 2025.07		49	-	-	-	-	-	-	-
R1 - 8B + STAR-1 2025.07		48	-	-	-	-	-	-	-
R1 - 1.5B + UnsafeChain full 2025.07		48	-	-	-	-	-	-	-
R1 - 8B + UnsafeChain selected 2025.07		44	-	-	-	-	-	-	-
R1 - 8B + SafeChain 2025.07		42.49	-	-	-	-	-	-	-
R1 - 8B + UnsafeChain random 2025.07		35	-	-	-	-	-	-	-
R1 - 7B 2025.07		31.95	-	-	-	-	-	-	-
R1 - 8B 2025.07		31.63	-	-	-	-	-	-	-
R1 - 7B + STAR-1 2025.07		31	-	-	-	-	-	-	-
R1 - 7B + UnsafeChain selected 2025.07		30	-	-	-	-	-	-	-
R1 - 7B + SafeChain 2025.07		26.52	-	-	-	-	-	-	-
R1 - 7B + UnsafeChain random 2025.07		26	-	-	-	-	-	-	-
R1 - 1.5B + SafeChain 2025.07		13	-	-	-	-	-	-	-
R1 - 1.5B 2025.07		9	-	-	-	-	-	-	-
R1 - 1.5B + UnsafeChain selected 2025.07		9	-	-	-	-	-	-	-
R1 - 1.5B + UnsafeChain random 2025.07		7	-	-	-	-	-	-	-
R1 - 1.5B + STAR-1 2025.07		4	-	-	-	-	-	-	-
Naive 2026.03		-	-	-	-	-	90.07	-	-
SDR2 2026.03		-	-	-	-	-	91.38	1.5	-
LAGAM 2026.03		-	-	-	-	-	94.12	4.5	-
SelectMix 2026.03		-	-	-	-	-	94.37	4.8	-
ImplicitRM 2026.03		-	-	-	-	-	97.1	7.8	-
Naive 2026.03		-	-	-	-	-	92.23	-	-
SDR2 2026.03		-	-	-	-	-	94.17	2.1	-
LAGAM 2026.03		-	-	-	-	-	95.88	4	-
SelectMix 2026.03		-	-	-	-	-	95.34	3.4	-
ImplicitRM 2026.03		-	-	-	-	-	98.68	7	-
Base model 2026.04		-	-	-	-	-	-	-	19.5
AdamW 2026.04		-	-	-	-	-	-	-	33.2
Muon 2026.04		-	-	-	-	-	-	-	36.4
POME 2026.04		-	-	-	-	-	-	-	36.7
BLUR 2026.04		-	-	-	-	-	-	-	35.8
SIFT 2026.04		-	-	-	-	-	-	-	42.8