/ 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
14 сен 2026

svd-safety-l2_remove40_swapdisc_a010_b010_r08

Генерация текстаТекст → текст3 профессии

Экспериментальный текстовый чекпойнт на основе Llama 2 7B Chat для изучения влияния сжатия SVD и перестановки параметров на безопасность и полезность ответов.

168скачиваний за 30 дней0лайковвеса обновлены14 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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 7B Chat от Meta. Модель с архитектурой LlamaForCausalLM содержит 6,6 млрд параметров, принимает текст и генерирует текст; длина контекста — 4096 токенов. Веса сжаты методом SVD-LLM: удалено 40,02% параметров, после чего выполнено 8 из 10 раундов итеративной перестановки параметров по правилу disc_iter.

Чекпойнт создан для исследования того, как SVD-сжатие влияет на безопасность и полезность ответов и помогает ли выборочная перестановка параметров восстановить поведение модели. В README приведены результаты на AdvBench, StrongREJECT и WildGuard. Это отдельный экспериментальный вариант из серии сравнений, а не универсальный чат-ассистент.

README предупреждает, что безопасность этой модели может быть снижена относительно исходной Llama 2 7B Chat: сжатие повышает успешность атак. Перед использованием в исследованиях необходимо самостоятельно оценить поведение модели. Указана лицензия Llama 2.

Сценарии применения

  • сравнение безопасности сжатых языковых моделей
  • измерение успешности атак на модель
  • оценка чрезмерного отказа в ответах
  • исследование восстановления поведения после сжатия параметров

Ограничения

По README, сжатие повышает успешность атак, и безопасность чекпойнта может быть ниже, чем у исходной Llama 2 7B Chat. Модель предназначена для экспериментальной оценки и не рекомендуется как готовый универсальный ассистент.

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_swapdisc_a010_b010_r08

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 60.0% of dense parameters, then edited by 8 of 10 rounds of iterative parameter-neutral swap selected by the disc_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, 40.02% of parameters removed
selection ruledisc_iter
restore budget1.000% of dense parameters
components restored4688
components swapped out4688
resulting parameter fraction0.5998
seed42
iterative rounds applied8 of 10
per-round chunk0.100% of dense parameters
parameters swapped in51,771,904 (0.80% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)
insertion scale0.1 (components added at this fraction of their strength)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.1904
StrongREJECT ASR (HarmBench judge)0.1757
Macro over-refusal (WildGuard)0.1310

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

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
LlamaForCausalLM
Ревизия весов
2577049

0 моделей