/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Лицензия
Llama 2
Архитектура
llama · dense
Базовая модель
Llama-2-7b-chat-hf
Библиотека
transformers
Опубликована
14 сен 2026

svd-safety-l2_basis_remove50_swapdiscnet_b010_r04

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 2 7B Chat для исследования влияния сжатия на безопасность и полезность ответов.

190скачиваний за 30 дней0лайковвеса обновлены14 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Экспериментальный исследовательский чекпойнт Jeesup на основе диалоговой модели Meta Llama 2 7B Chat. Он сжат методом Basis Sharing: общие базисы используются для групп из двух соседних слоёв, число параметров сокращено на 50% относительно исходной модели. Затем выполнены 4 из 10 раундов перестановки параметров по правилу swapdiscnet_iter с бюджетом до 0,1% исходных параметров на раунд.

Модель предназначена для изучения того, как SVD-сжатие влияет на безопасность ответов и как разные правила выбора компонентов меняют это влияние. В README приведены результаты тестов AdvBench, StrongREJECT и WildGuard; они характеризуют конкретный экспериментальный чекпойнт, а не гарантируют качество в других сценариях. Автор прямо указывает, что это одна точка экспериментальной сетки, а не универсальный чат-ассистент, и рекомендует оценивать её перед использованием.

Это плотная авторегрессионная LlamaForCausalLM на 6,6 млрд параметров с контекстом 4096 токенов, распространяемая в формате safetensors и предназначенная для генерации текста и диалога. Базовая модель ориентирована на английский язык. Лицензия — Llama 2; применяйте модель в соответствии с её условиями.

Сценарии применения

  • сравнение безопасности ответов сжатых языковых моделей
  • измерение устойчивости чат-модели к вредоносным запросам
  • изучение восстановления безопасности после сжатия SVD
  • оценка компромисса между сжатием модели и качеством ответов

Ограничения

Это экспериментальный чекпойнт, который README не рекомендует считать готовым универсальным ассистентом; сжатие может ухудшать защиту от вредоносных запросов. Результаты приведённых тестов не заменяют самостоятельную оценку в целевом сценарии.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

svd-safety-l2_basis_remove50_swapdiscnet_b010_r04

A Llama-2-7b-chat checkpoint compressed with Basis Sharing (ICLR 2025; shared bases over groups of 2 adjacent layers) to 50.0% of dense parameters, then edited by 4 of 10 rounds of iterative parameter-neutral swap selected by the swapdiscnet_iter rule (up to 0.1% of dense parameters per round; the full run's budget is 1.0%).

This is a research artifact from a study of how SVD compression damages safety behaviour and which component-selection rule best repairs it. It is one cell of a grid over selection rules and budgets; it is not a general-purpose chat model.

Provenance

fieldvalue
base (uncompressed)meta-llama/Llama-2-7b-chat-hf
compressionBasis Sharing (ICLR 2025; shared bases over groups of 2 adjacent layers), 50.00% of parameters removed
selection ruleswapdiscnet_iter
restore budget1.000% of dense parameters
components restored1780
components swapped out1780
resulting parameter fraction0.4998
seed42
recoveryLoRA r=8 on the per-layer coefficients only (bases frozen, budget unchanged), 2 epochs, lr 0.0001, batch 64, alpaca-cleaned
iterative rounds applied4 of 10
per-round chunk0.100% of dense parameters
parameters swapped in25,888,768 (0.40% of dense projection parameters)
swap valuenet (insertion value + removal value of the sigma-ordered eviction)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0904
StrongREJECT ASR (HarmBench judge)0.1789
Macro over-refusal (WildGuard)0.2192

Intended use and limitations

This checkpoint exists to measure safety/utility trade-offs under compression. Several arms in the grid are deliberately safety-degraded relative to Llama-2-7b-chat: compression alone raises attack-success rate, and the point of the study is to quantify that and test recovery. Treat any given cell as an experimental subject, not as a deployable assistant, and evaluate it yourself before drawing conclusions from it.

Licence

Llama 2 Community License. LICENSE.txt and USE_POLICY.md are included in this repository, and use of this derivative is bound by both. Built with Llama 2.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
57b0cb1

0 моделей