Whiterabbitneo 33B V1.5

🚀 白兔新模型（WhiteRabbitNeo）

白兔新模型（WhiteRabbitNeo）是一系列可用于攻防网络安全的模型。本项目的33B模型现已公开预览其能力，同时也为了评估此类人工智能的社会影响。

🚀 快速开始

模型访问

本模型现已上线（我们的网页应用将始终提供最新模型），访问地址：https://www.whiterabbitneo.com/

Discord服务器

加入我们的Discord服务器：https://discord.gg/8Ynkrcbk92 （12月29日更新，现为永久加入链接）

✨ 主要特性

• 适用于攻防网络安全场景。
• 提供33B模型公开预览。

📦 安装指南

暂未提供相关安装步骤，可参考使用示例中的代码进行操作。

💻 使用示例

基础用法

import torch, json
from transformers import AutoModelForCausalLM, AutoTokenizer

model_path = "whiterabbitneo/WhiteRabbitNeo-33B-v-1"

model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.float16,
    device_map="auto",
    load_in_4bit=False,
    load_in_8bit=True,
    trust_remote_code=True,
)

tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)


def generate_text(instruction):
    tokens = tokenizer.encode(instruction)
    tokens = torch.LongTensor(tokens).unsqueeze(0)
    tokens = tokens.to("cuda")

    instance = {
        "input_ids": tokens,
        "top_p": 1.0,
        "temperature": 0.5,
        "generate_len": 1024,
        "top_k": 50,
    }

    length = len(tokens[0])
    with torch.no_grad():
        rest = model.generate(
            input_ids=tokens,
            max_length=length + instance["generate_len"],
            use_cache=True,
            do_sample=True,
            top_p=instance["top_p"],
            temperature=instance["temperature"],
            top_k=instance["top_k"],
            num_return_sequences=1,
        )
    output = rest[0][length:]
    string = tokenizer.decode(output, skip_special_tokens=True)
    answer = string.split("USER:")[0].strip()
    return f"{answer}"



conversation = f"SYSTEM: You are an AI that code. Answer with code."


while True:
    user_input = input("You: ")
    llm_prompt = f"{conversation} \nUSER: {user_input} \nASSISTANT: "
    answer = generate_text(llm_prompt)
    print(answer)
    conversation = f"{llm_prompt}{answer}"
    # print(conversation)
    json_data = {"prompt": user_input, "answer": answer}

    # print(json_data)
    # with open(output_file_path, "a") as output_file:
    #     output_file.write(json.dumps(json_data) + "\n")

📚 详细文档

DeepSeek Coder许可证 + 白兔新模型扩展版本

许可证：使用限制

您同意不以以下方式使用本模型或模型的衍生作品：
- 以任何违反适用的国家或国际法律、法规，或侵犯任何第三方合法权益的方式使用；
- 以任何方式用于军事用途；
- 以任何方式用于剥削、伤害或企图剥削、伤害未成年人；
- 为伤害他人而生成或传播可验证的虚假信息和/或内容；
- 根据适用的监管要求，生成或传播不适当的内容；
- 在未经适当授权或不合理使用的情况下，生成或传播个人可识别信息；
- 诽谤、诋毁或以其他方式骚扰他人；
- 用于对个人合法权利产生不利影响，或以其他方式创建或修改具有约束力、可执行义务的完全自动化决策；
- 用于基于在线或离线社会行为、已知或预测的个人或个性特征，歧视或伤害个人或群体的任何用途；
- 为了实质性扭曲特定人群的行为，从而导致或可能导致该人或他人身体或心理伤害，利用该特定人群基于年龄、社会、身体或心理特征的任何弱点；
- 用于基于受法律保护的特征或类别歧视个人或群体的任何用途。

涵盖主题

- 开放端口：识别开放端口至关重要，因为它们可能是攻击者的入口点。常见的检查端口包括HTTP（80、443）、FTP（21）、SSH（22）和SMB（445）。
- 过时软件或服务：运行过时软件或服务的系统通常容易受到攻击。这包括Web服务器、数据库服务器和任何第三方软件。
- 默认凭据：许多系统和服务安装时使用默认的用户名和密码，这些信息广为人知且容易被利用。
- 配置错误：配置不当的服务、权限和安全设置可能会引入漏洞。
- 注入漏洞：SQL注入、命令注入和跨站脚本攻击（XSS）是Web应用程序中常见的问题。
- 未加密服务：不使用加密的服务（如HTTP而不是HTTPS）可能会暴露敏感数据。
- 已知软件漏洞：使用国家漏洞数据库（NVD）等数据库或Nessus、OpenVAS等工具检查软件中的已知漏洞。
- 跨站请求伪造（CSRF）：这是指从Web应用程序信任的用户处传输未经授权的命令。
- 不安全的直接对象引用：当应用程序根据用户提供的输入直接访问对象时会发生这种情况。
- Web服务器/应用程序的安全配置错误：这包括不安全的HTTP头或透露过多信息的详细错误消息等问题。
- 认证和会话管理漏洞：这可能使攻击者能够破解密码、密钥或会话令牌，或利用其他实现漏洞来冒充其他用户的身份。
- 敏感数据暴露：包括暴露敏感数据（如信用卡号码、健康记录或个人信息）的漏洞。
- API漏洞：在现代Web应用程序中，API经常被使用，并且可能存在不安全的端点或数据泄露等漏洞。
- 拒绝服务（DoS）漏洞：识别容易受到DoS攻击的服务，这种攻击会使资源无法供合法用户使用。
- 缓冲区溢出：在较旧的软件中常见，这些漏洞可能使攻击者能够使系统崩溃或执行任意代码。

使用条款

通过访问和使用此人工智能（AI）模型，您（用户）承认并同意，您对模型的使用及其结果承担全部责任。您特此同意赔偿、辩护并使本AI模型的创建者、开发者以及任何关联人员或实体免受因您使用该AI模型而直接或间接产生的任何及所有索赔、责任、损害、损失、成本、费用、费用（包括合理的律师费和诉讼费）。

本AI模型“按原样”和“按可用状态”提供，不提供任何形式的明示或暗示保证，包括但不限于适销性、特定用途适用性和不侵权的保证。创建者不保证该AI模型将满足您的要求，或在不间断、安全或无错误的基础上可用。

您使用该AI模型需自行承担风险和判断，并且您将对因使用该AI模型导致的计算机系统损坏或数据丢失承担全部责任。

本免责声明构成您与该AI模型创建者之间关于您使用该模型的协议的一部分，取代您与创建者之间此前关于您使用该AI模型的任何协议。

📄 许可证

本模型使用DeepSeek许可证，详情请见：https://huggingface.co/deepseek-ai/deepseek-coder-33b-base/blob/main/LICENSE