/ 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
10 сен 2026

svd-safety-l2_remove40_swapdisc_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 2 7B Chat для исследования влияния сжатия на безопасность ответов.

211скачиваний 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 Jeesup на базе Meta Llama 2 7B Chat, сжатый методом SVD-LLM: удалено 40,02% параметров, после чего восстановлены компоненты SVD в пределах бюджета 1% по правилу swapdisc. Модель содержит 6,6 млрд параметров, использует плотную архитектуру Llama и формат safetensors; контекст — до 4096 токенов. Она принимает текст и генерирует текст в диалоговом формате.

Чекпойнт предназначен для изучения того, как сжатие влияет на безопасность и полезность ответов, и для оценки восстановления защитного поведения. В README приведены результаты измерений на AdvBench, StrongREJECT и WildGuard, включая показатель чрезмерных отказов. Это отдельная точка экспериментальной сетки, а не универсальный чат-ассистент; автор рекомендует самостоятельно оценивать её перед выводами. Лицензия — Llama 2.

Сценарии применения

  • сравнение защитного поведения языковой модели до и после сжатия
  • оценка успешности атак на чат-модель
  • измерение чрезмерных отказов на тестовых наборах
  • изучение восстановления поведения модели после SVD-сжатия

Ограничения

Это экспериментальный чекпойнт для изучения компромисса между безопасностью и полезностью, а не модель для развёртывания как универсальный ассистент. README отмечает, что сжатие может ухудшать защитное поведение; модель следует оценивать на целевых сценариях.

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_b010

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 60.0% of dense parameters, then given a 1.0% parameter budget of restored SVD components selected by the swapdisc 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, 40.02% of parameters removed
selection ruleswapdisc
restore budget1.000% of dense parameters
components restored5689
components swapped out5689
resulting parameter fraction0.5998
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0038
StrongREJECT ASR (HarmBench judge)0.0032
Macro over-refusal (WildGuard)0.6041
WikiText-2 perplexity11.6263

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
5529d10

0 моделей