/ 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
1 окт 2026

svd-safety-l2_jbbpure_ka1_a1p0_free_remove40

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 2 7B Chat для изучения влияния SVD-сжатия на безопасность и полезность диалоговой модели.

126скачиваний за 30 дней0лайковвеса обновлены1 окт 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 Jeesup на основе диалоговой модели Meta Llama 2 7B Chat, сжатый методом SVD-LLM: удалено 40% параметров. Для восстановления компонентов выделен бюджет 0%, а использованное правило выбора обозначено как unknown. Модель предназначена для изучения того, как SVD-сжатие влияет на безопасность и полезность ответов, и для измерения компромисса между этими свойствами.

Чекпойнт рассчитан на генерацию текста в диалоговом формате, имеет 6,6 млрд параметров и контекст до 4096 токенов. README приводит результаты оценок на AdvBench, StrongREJECT и WildGuard, но не обещает безопасного поведения: сжатие может повысить успешность атак, а отдельные варианты эксперимента намеренно ухудшают безопасность. Модель не предназначена для использования как универсальный ассистент; результаты следует независимо проверять. Лицензия — Llama 2.

Сценарии применения

  • оценка влияния SVD-сжатия на безопасность ответов
  • сравнение успешности атак до и после сжатия модели
  • изучение восстановления поведения модели после компрессии
  • оценка избыточных отказов в диалоговом ассистенте

Ограничения

Сжатие может ухудшать безопасное поведение и повышать успешность атак; чекпойнт экспериментальный и не предназначен для развёртывания как универсальный ассистент. Перед использованием необходимо самостоятельно оценить его поведение.

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_jbbpure_ka1_a1p0_free_remove40

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 60.0% 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, 40.00% of parameters removed
selection ruleunknown
restore budget0.000% of dense parameters
components restored0
components swapped out0
resulting parameter fraction0.5998
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.1904
StrongREJECT ASR (HarmBench judge)0.1406
Macro over-refusal (WildGuard)0.1329
WikiText-2 perplexity11.4203

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
41d6453

0 моделей