/ 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
17 сен 2026

svd-safety-l2_remove20_swapgapiter_b010_r09

Генерация текстаТекст → текст3 профессии

Экспериментальный текстовый чекпойнт Llama 2 Chat, сжатый методом SVD и изменённый для изучения компромиссов между безопасностью и полезностью.

173скачиваний за 30 дней0лайковвеса обновлены17 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 Jeesup на базе диалоговой Llama 2 Chat от Meta с 6,6 млрд параметров. Модель с архитектурой Llama сжата методом SVD-LLM: удалено около 20% параметров, после чего выполнено 9 из 10 раундов итеративной перестановки параметров по правилу gap_iter. Она принимает текст и генерирует текст в диалоговом формате; контекст — 4096 токенов.

Чекпойнт предназначен для экспериментов по измерению того, как сжатие влияет на безопасность и полезность ответов, и для сравнения правил восстановления поведения модели. В README приведены результаты на AdvBench, StrongREJECT и WildGuard. Это отдельная точка экспериментальной сетки, а не универсальный ассистент для развёртывания.

Модель унаследовала лицензию Llama 2. Результаты оценки безопасности не гарантируют безопасного поведения в других сценариях; перед исследовательским использованием следует самостоятельно оценить её ответы.

Сценарии применения

  • сравнение безопасности ответов после сжатия языковой модели
  • измерение устойчивости к атакам на отказ от вредных запросов
  • оценка чрезмерных отказов модели
  • исследование влияния SVD-сжатия на поведение чат-модели

Ограничения

Это экспериментальная точка исследования, а не готовый универсальный ассистент. Поведение безопасности может отличаться от результатов приведённых тестов, поэтому модель требует самостоятельной оценки перед использованием.

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_remove20_swapgapiter_b010_r09

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 80.0% of dense parameters, then edited by 9 of 10 rounds of iterative parameter-neutral swap selected by the gap_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
compressionSVD-LLM, 20.01% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored5601
components swapped out5601
resulting parameter fraction0.7999
seed42
iterative rounds applied9 of 10
per-round chunk0.100% of dense parameters
parameters swapped in58,235,136 (0.90% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0100
StrongREJECT ASR (HarmBench judge)0.0200
Macro over-refusal (WildGuard)0.2500

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
8bb9078

0 моделей