/ 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_remove40_swapgapiter_evfront_b010_r02

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 2 7B Chat для изучения влияния сжатия весов и их перестановки на безопасность ответов.

167скачиваний 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 на основе диалоговой Llama 2 7B Chat от Meta, подготовленный автором репозитория Jeesup. Модель с архитектурой LlamaForCausalLM содержит 6,6 млрд параметров, принимает текст и рассчитана на контекст до 4096 токенов. Веса сжаты методом SVD-LLM: удалено около 40% параметров; затем выполнены 2 из 10 раундов перестановки параметров по правилу gap_iter.

Чекпойнт предназначен для изучения того, как сжатие влияет на безопасность и полезность ответов, а также для оценки метода восстановления поведения. В README приведены результаты оценок AdvBench, StrongREJECT и WildGuard. Это экспериментальный объект исследования, а не готовый универсальный чат-ассистент. Лицензия — Llama 2 Community License.

Сценарии применения

  • изучение влияния SVD-сжатия на поведение чат-модели
  • сравнение правил восстановления безопасности после сжатия
  • оценка устойчивости ответов на adversarial-запросы
  • анализ компромисса между полезностью и безопасностью модели

Ограничения

Автор указывает, что отдельные варианты серии намеренно имеют ухудшенную безопасность относительно исходной Llama 2 7B Chat; для этого чекпойнта приведены ненулевые показатели успешности атак. Модель предназначена для экспериментов, а не для развертывания как готовый ассистент; её следует самостоятельно 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_swapgapiter_evfront_b010_r02

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 60.0% of dense parameters, then edited by 2 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, 40.02% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored1307
components swapped out1289
resulting parameter fraction0.5998
seed42
iterative rounds applied2 of 10
per-round chunk0.100% of dense parameters
parameters swapped in12,939,520 (0.20% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.3150
StrongREJECT ASR (HarmBench judge)0.2550
Macro over-refusal (WildGuard)0.0576

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
d3b526f

0 моделей