/ 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_swapgapnet_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 2 Chat для измерения изменений безопасности и полезности языковой модели.

163скачиваний 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

Это исследовательский чекпойнт на основе диалоговой Llama 2 от Meta, подготовленный для изучения влияния сжатия на безопасность ответов. Модель сначала сжата методом Basis Sharing: общие базисы используются для групп из двух соседних слоёв, что сокращает число параметров на 50% относительно исходной плотной модели. Затем выполнено 10 раундов итеративной замены параметров по правилу swapgapnet_iter с общим бюджетом до 1% параметров исходной модели.

Чекпойнт предназначен для измерения компромисса между безопасностью и полезностью после сжатия, а не для обычного общения с ассистентом. Для него приведены метрики успешности атак AdvBench и StrongREJECT, а также избыточных отказов WildGuard. README отмечает, что сжатие может ухудшать защиту и что отдельные варианты эксперимента намеренно снижали безопасность; эти результаты относятся к данному чекпойнту и не гарантируют качества в других сценариях.

Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; библиотека запуска — Transformers. Контекст составляет 4096 токенов. Базовая модель — meta-llama/Llama-2-7b-chat-hf, задача — генерация текста. Карточка указывает лицензию Llama 2; применяйте условия лицензии Meta Llama 2.

Сценарии применения

  • измерение успешности атак на сжатую языковую модель
  • сравнение влияния сжатия на защитное поведение Llama 2
  • оценка компромисса между полезностью и безопасностью модели
  • исследование восстановления безопасного поведения заменой параметров

Ограничения

Это отдельный экспериментальный вариант, а не универсальный ассистент; сжатие может ухудшать защиту, поэтому перед применением необходимо самостоятельно оценить его поведение. Метрики в README отражают только указанные тесты и не гарантируют безопасность в других условиях.

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_swapgapnet_b010

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 10 of 10 rounds of iterative parameter-neutral swap selected by the swapgapnet_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 ruleswapgapnet_iter
restore budget1.000% of dense parameters
components restored4512
components swapped out4512
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 applied10 of 10
per-round chunk0.100% of dense parameters
parameters swapped in64,723,200 (1.00% of dense projection parameters)
swap valuenet (insertion value + removal value of the sigma-ordered eviction)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.1231
StrongREJECT ASR (HarmBench judge)0.2396
Macro over-refusal (WildGuard)0.0751

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
3893aec

0 моделей