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: 15 сен 2026

Ссылки

svd-safety-l2_remove40_swapdisc_a020_c002_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый вариант Llama 2 7B Chat для изучения влияния сжатия и редактирования параметров на безопасность и полезность диалоговой модели.

298скачиваний за 30 дней0лайковвеса обновлены15 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

Это исследовательский контрольный пункт Jeesup, созданный на основе диалоговой модели Meta Llama 2 7B Chat и сжатый методом SVD-LLM с последующим редактированием параметров. Веса представлены в формате safetensors; модель содержит около 6,6 млрд параметров и поддерживает контекст до 4096 токенов.

Модель предназначена для изучения того, как сжатие влияет на безопасность и полезность ответов, а также для сравнения способов восстановления поведения после сжатия. Она сохраняет интерфейс генерации текста и общения, но README прямо предупреждает, что это экспериментальный объект, а не универсальный ассистент. В измерениях зафиксированы показатели успешности атак AdvBench 0,0885 и StrongREJECT 0,1278, а также макроуровень чрезмерных отказов 0,1650.

Модель не следует считать готовой к развёртыванию: отдельные варианты исследования намеренно имеют сниженные показатели безопасности относительно исходной Llama 2 7B Chat, поэтому результаты нужно проверять в целевом сценарии. Лицензия — Llama 2.

Сценарии применения

измерение влияния SVD-сжатия на безопасность языковой модели
сравнение правил восстановления поведения модели после сжатия
оценка успешности атак на диалоговую модель
анализ баланса между отказами и полезностью ответов

Ограничения

README отмечает, что сжатие может повышать успешность атак, а отдельные варианты намеренно уступают исходной модели по безопасности; это исследовательский артефакт, не готовый универсальный ассистент. Перед применением необходимо самостоятельно оценить безопасность и полезность в целевом сценарии.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.9Разработка и данныеСтатистика, эксперименты и причинный анализAI помогает планировать эксперименты и делать статистически обоснованные выводы о связях и эффектах.18 задач2 881модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

svd-safety-l2_remove40_swapdisc_a020_c002_b010

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 60.0% of dense parameters, then edited by 5 of 5 rounds of iterative parameter-neutral swap selected by the disc_iter rule (up to 0.2% 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

field	value
base (uncompressed)	`meta-llama/Llama-2-7b-chat-hf`
compression	SVD-LLM, 40.02% of parameters removed
selection rule	`disc_iter`
restore budget	1.000% of dense parameters
components restored	5826
components swapped out	5826
resulting parameter fraction	0.5998
seed	42
iterative rounds applied	5 of 5
per-round chunk	0.200% of dense parameters
parameters swapped in	64,730,112 (1.00% of dense projection parameters)
swap value	`insert` (insertion value only; sigma-ordered eviction)
insertion scale	0.2 (components added at this fraction of their strength)

Measured

metric	value
AdvBench ASR (HarmBench judge)	0.0885
StrongREJECT ASR (HarmBench judge)	0.1278
Macro over-refusal (WildGuard)	0.1650

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: cafbb9b