/ 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
9 сен 2026

svd-safety-l2_remove40_random_b005

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый вариант Llama 2 Chat для изучения влияния сжатия и восстановления компонентов на безопасность и полезность модели.

128скачиваний за 30 дней0лайковвеса обновлены10 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 Chat от Meta, подготовленный для изучения влияния сжатия на безопасность и полезность языковых моделей. Модель использует плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и принимает текст, выдавая текст; заявленный контекст — 4096 токенов.

Чекпойнт сжат с помощью SVD-LLM: удалено 39,5% параметров, после чего восстановлено 0,5% параметров по случайному правилу выбора компонентов. Он предназначен для экспериментов с компромиссом между безопасностью и качеством ответов, а не для использования в качестве универсального чат-ассистента. В README приведены измерения на AdvBench, StrongREJECT и WildGuard.

В README отмечено, что сжатие может ухудшать защитное поведение и повышать успешность атак; результаты этого варианта следует оценивать экспериментально. Лицензия — Llama 2; применяются условия лицензии Meta Llama 2.

Сценарии применения

  • сравнение безопасности языковых моделей до и после сжатия
  • измерение успешности атак на сжатую Llama 2
  • оценка компромисса между безопасностью и полезностью ответов
  • исследование восстановления компонентов после SVD-сжатия

Ограничения

Это экспериментальный чекпойнт для исследований, а не готовый чат-ассистент. Сжатие может ухудшать защитное поведение и повышать успешность атак; модель следует отдельно оценивать 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_remove40_random_b005

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 60.5% of dense parameters, then given a 0.5% parameter budget of restored SVD components selected by the random 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, 39.50% of parameters removed
selection rulerandom
restore budget0.500% of dense parameters
components restored3040
components swapped out0
resulting parameter fraction0.6050
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.3288
StrongREJECT ASR (HarmBench judge)0.1853
Macro over-refusal (WildGuard)0.0872
WikiText-2 perplexity11.2919

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
c79c290

0 моделей