/ 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_ka4_a1p0_free_remove40

Генерация текстаТекст → текст3 профессии

Экспериментально сжатая версия Llama 2 Chat для изучения влияния SVD-сжатия на безопасность и полезность ответов.

179скачиваний 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 диалоговой модели Llama 2, подготовленный Jeesup на основе meta-llama/Llama-2-7b-chat-hf. Веса сжаты методом SVD-LLM: удалено 40% параметров, осталось 60% от плотной модели; затем восстановлено 0% SVD-компонентов по правилу отбора unknown. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст до 4096 токенов.

Чекпойнт предназначен для экспериментов по оценке того, как сжатие влияет на безопасность и полезность ответов, а также для сравнения стратегий восстановления поведения. В README приведены метрики атак на безопасность и чрезмерных отказов. Это отдельная ячейка экспериментальной сетки, а не универсальный чат-ассистент; результаты следует оценивать в конкретном сценарии. Для использования указана лицензия Llama 2.

Сценарии применения

  • оценка устойчивости чат-модели к запросам на вредоносные действия
  • измерение изменения доли отказов после сжатия модели
  • сравнение качества ответов с базовой Llama 2 Chat
  • исследование восстановления безопасного поведения в сжатой LLM

Ограничения

README характеризует чекпойнт как экспериментальный объект, а не готового ассистента; сжатие может ухудшать безопасное поведение. Перед применением необходимо самостоятельно оценить безопасность и полезность модели.

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_ka4_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)0.1385
StrongREJECT ASR (HarmBench judge)0.1278
Macro over-refusal (WildGuard)0.1772
WikiText-2 perplexity11.4482

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
0a3b3f5

0 моделей