Pyrodit RM · R7-Verbesserungsstudie
Risikoerkennung: Trainingskontinuität und kontextuelle Präzision
Die R7-Studie bewertete die Weiterführung des vollständigen Modells und eine breitere Datenabdeckung anhand vorab festgelegter Kriterien. Sie verdeutlichte das Verhältnis zwischen Risikoerkennung und kontextabhängigen Fehlalarmen; R5 blieb die eingesetzte Basis. Die Ergebnisse leiten weitere kontrollierte Vergleiche zu sprachlichem Vortraining und Labelkonsistenz an.
R7-Bewertung abgeschlossen · R5 bleibt die eingesetzte Basis
Forschungsfrage
Verbessern der Erhalt des vollständigen Modells und breitere Trainingsdaten die Erkennung, ohne mehr Fehlalarme oder den Verlust bestehender Fähigkeiten?
Methode
In der Studie vom 24. September 2026 wurden zwei Kandidaten vom vollständigen R3-Modell aus mit 42.969 Beispielen weitertrainiert, jeweils über zwei vollständige Datendurchläufe. Die Akzeptanzkriterien standen vor Trainingsbeginn fest. Eine separate Wortmusterkontrolle nutzte dieselben Beispiele mit bekannten Toxicity-Labels, um die verfügbaren Lernsignale zu bewerten.
Ergebnisse
Bei 5 % Fehlalarmen erkannten die beiden finalen R7-Kandidaten 49,33 % beziehungsweise 51,33 % der riskanten Inhalte in 750 CivilComments-Entwicklungsbeispielen; das Ziel lag bei 90 %. Keiner der 44 gespeicherten Trainingsstände erfüllte sämtliche Kriterien für Erkennungsqualität und Erhalt bestehender Fähigkeiten. R5 und sein Eingabeprofil wurden beibehalten; die Studie führte zu keinem Austausch des eingesetzten Modells.
Trainingskontinuität und Auswahlkontrollen
Die Prüfung identifizierte den Einfluss der Initialisierung von Encoder und Entscheidungsschicht, der Trainingsdatenabdeckung und der Checkpoint-Auswahl auf die Versuchspipeline. R7 passte diese Mechanismen an und bewahrte unabhängig prüfbare Aufzeichnungen. Ihr jeweiliger Beitrag zur Modellleistung wurde in dieser Studie nicht isoliert.
Kontextuelle Präzision im Kontrollvergleich
Die Wortmusterkontrolle erkannte 125 von 150 riskanten CivilComments-Beispielen, mit 29 Fehlalarmen unter 600 harmlosen Beispielen. Bei gleicher Schwelle markierte sie 154 von 847 harmlosen Kontextbeispielen. Der Vergleich zeigt, warum Erkennungsstärke zusammen mit kontextabhängiger Präzision bewertet werden muss. Die Kontrolle blieb unter dem 90-%-Ziel, wurde nicht für persönliche Angriffe trainiert und nicht eingesetzt.
Weitere kontrollierte Vergleiche
Die Studie lenkt weitere Vergleiche auf sprachliches Vortraining und unterschiedliche Definitionen schädlicher Inhalte in Quelldatensätzen. Zusätzliches Vortraining wurde noch nicht bewertet. Reproduzierbare Trainingsaufzeichnungen unterstützen Vergleiche; der Einsatz erfordert weiterhin sämtliche Qualitätskriterien.
Grenzen
Dies sind englische Entwicklungsergebnisse mit einer separat gewählten Schwelle pro Bewertungsgruppe, keine Validierung einer gemeinsamen Produktionsschwelle. Sie belegen keine Leistung für Türkisch, Deutsch oder andere Risikokategorien. Der Kontextdatensatz war bereits untersucht worden und ist kein unberührter unabhängiger Test. Da kein R7-Kandidat qualifiziert war, fand kein abschließender Kontexttest für R7 statt; die berichteten Kontextwerte gehören zur separaten Wortmusterkontrolle.
Über diesen Bericht
Dies sind technische Forschungsberichte, keine begutachteten Publikationen. Jeder Bericht nennt Quellen, Messbedingungen und Grenzen. Der Evidenzabschnitt erklärt, was heruntergeladen oder reproduziert werden kann.
Technische Hinweise und Quellen
Quelle: risk-recovery-20260924. R7: Lernraten 1e-5 und 3e-5, jeweils zwei Epochen, insgesamt 12.231.040 Token und 10.744 Optimizer-Schritte. Alle 44 Checkpoints wurden unabhängig geprüft; keiner qualifizierte sich. Finale Civil-ROC-AUC: 0,873811 / 0,877656; AP: 0,687405 / 0,680610. Die Kontrolle mit denselben Daten nutzte 41.335 bekannte Toxicity-Labels und schloss 1.634 unbekannte aus. Civil-AUC: 0,954533; AP: 0,893655; Kontext-Recall: 94,68 %, FPR: 18,18 %. Recall misst erkannte Risiken, FPR Fehlalarme bei harmlosen Eingaben. AUC und AP beschreiben die Rangordnung der Scores. Die Kontrolle lernt nur Toxicity, R7 zusätzlich persönliche Angriffe; dies ist kein Architekturvergleich mit nur einer veränderten Variable.
Dateinamen und SHA-256-Prüfsummen kennzeichnen die genauen Quellenversionen dieses Berichts.
- risk-recovery-20260924/README.md
SHA-256: f34dfa887481040dbf14f4034aca218c640e9b6a63df1e8ff18197721c4d8817 - risk-recovery-20260924/r7/summary.json
SHA-256: a91e57ecc1543b601563661d3219356f469c13cacd876d78a144bc4cdd1442ba - risk-recovery-20260924/full-replay-lexical-control/README.md
SHA-256: 8cac0bf35fbb55bc7ef7c7e38fc0095c91db6e9f235f65f8039716c0bfb73873 - risk-recovery-20260924/full-replay-lexical-control/summary.json
SHA-256: 0a6633cfb73f00874eb16b90ee9262dfe77b754c3d5198fd937817a1251bd4dd