/ 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_swapgapnet_b010_r04

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Llama 2, сжатый методом SVD и изменённый для исследования влияния сжатия на безопасность генерации текста.

268скачиваний за 30 дней0лайковвеса обновлены14 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

Jeesup/svd-safety-l2_remove40_swapgapnet_b010_r04 — исследовательский чекпойнт на базе диалоговой Llama 2 от Meta, созданный в рамках изучения влияния сжатия на безопасность модели. Веса сжаты методом SVD-LLM: удалено 40,02% параметров, после чего выполнены 4 из 10 раундов итеративной перестановки параметров по правилу gap_iter. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM, принимает текст и генерирует текст; контекст — 4096 токенов.

Чекпойнт предназначен для экспериментов по оценке компромисса между полезностью и безопасностью при сжатии языковых моделей, а также для изучения восстановления защитного поведения. В README приведены показатели успешности атак AdvBench и StrongREJECT и доля чрезмерных отказов WildGuard. Модель не предназначена для использования как универсальный чат-ассистент: отдельные варианты в исследовательской сетке намеренно имеют ослабленные защитные свойства. Язык базовой модели — английский. Лицензия — Llama 2; перед использованием следует учитывать её условия.

Сценарии применения

  • измерение устойчивости чат-моделей к вредоносным запросам после сжатия
  • сравнение показателей безопасности разных вариантов сжатия Llama 2
  • исследование восстановления защитного поведения языковой модели
  • оценка компромисса между полезностью и безопасностью при сокращении параметров

Ограничения

Это исследовательский вариант, не предназначенный для развёртывания как универсальный ассистент; сжатие может ослаблять защиту от вредоносных запросов. Перед использованием требуется самостоятельная оценка поведения и безопасности.

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_swapgapnet_b010_r04

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 60.0% of dense parameters, then edited by 4 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 restored2232
components swapped out2232
resulting parameter fraction0.5998
seed42
iterative rounds applied4 of 10
per-round chunk0.100% of dense parameters
parameters swapped in25,880,832 (0.40% of dense projection parameters)
swap valuenet (insertion value + removal value of the sigma-ordered eviction)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.2904
StrongREJECT ASR (HarmBench judge)0.2588
Macro over-refusal (WildGuard)0.0510

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
78571d1

0 моделей