/ 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
24 сен 2026

svd-safety-l2_jbb_k0p02_a0p5_protected_remove50

Генерация текстаТекст → текст3 профессии

Экспериментальная сжатая SVD-LLM на базе Llama 2 Chat для изучения влияния сжатия на безопасность и полезность ответов.

381скачиваний за 30 дней0лайковвеса обновлены24 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 чекпойнт Jeesup на основе диалоговой Llama 2 Chat от Meta с 6,6 млрд параметров. Веса сжаты методом SVD-LLM: удалено 50% параметров; README указывает бюджет восстановления компонентов 0% и правило отбора «unknown». Модель предназначена для исследования того, как SVD-сжатие влияет на безопасность и полезность ответов, а также для измерения компромиссов и проверки восстановления безопасного поведения.

Это не универсальный чат-ассистент и не готовая к развёртыванию модель. В README приведены метрики атак и чрезмерных отказов на AdvBench, StrongREJECT и WildGuard; авторы отмечают, что сжатие может ухудшать безопасность. Контекст составляет 4096 токенов, архитектура — плотная Llama для генерации текста, поддерживающая диалог. Лицензия — Llama 2.

Сценарии применения

  • оценка влияния сжатия SVD на безопасность чат-модели
  • измерение успешности атак на сжатую языковую модель
  • сравнение чрезмерных отказов до и после сжатия
  • исследование компромисса между сжатием и качеством ответов

Ограничения

Это исследовательский чекпойнт, не предназначенный для использования как готовый чат-ассистент; сжатие может ухудшать безопасное поведение, поэтому результаты следует оценивать самостоятельно. README сообщает измеренные показатели для нескольких бенчмарков безопасности, но не приводит здесь полный набор результатов.

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_jbb_k0p02_a0p5_protected_remove50

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then given a 0.0% parameter budget of restored SVD components selected by the unknown rule.

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
compressionSVD-LLM, 50.00% of parameters removed
selection ruleunknown
restore budget0.000% of dense parameters
components restored0
components swapped out0
resulting parameter fraction0.4999
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0250
StrongREJECT ASR (HarmBench judge)0.0639
Macro over-refusal (WildGuard)0.3566
WikiText-2 perplexity13.9108

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 them. 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
112ae23

0 моделей