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

Ссылки

svd-safety-l2_remove50_gap_b005

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 2 для исследования влияния SVD-сжатия на безопасность и полезность диалоговых моделей.

102скачиваний за 30 дней0лайковвеса обновлены10 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 чекпойнт Jeesup на архитектуре Llama-2-7b-chat, сжатый методом SVD-LLM примерно до 50,5% исходных параметров и дополненный компонентами SVD с бюджетом 0,5%, выбранными по правилу gap. Модель предназначена для изучения того, как сжатие влияет на безопасность и полезность диалоговых языковых моделей, а также для сравнения способов восстановления поведения после сжатия.

Чекпойнт содержит около 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 4096 токенов. В карточке приведены результаты на метриках атак и чрезмерных отказов; автор отмечает, что некоторые варианты эксперимента намеренно демонстрируют ухудшение безопасности после сжатия. Это экспериментальный объект для оценки, а не универсальный чат-ассистент. Лицензия — Llama 2.

Сценарии применения

сравнение безопасности Llama 2 до и после сжатия
измерение устойчивости чат-модели к вредоносным запросам
оценка чрезмерных отказов после сжатия модели
исследование восстановления поведения модели компонентами SVD

Ограничения

Автор не рекомендует использовать чекпойнт как универсального ассистента: сжатие может ухудшать безопасность, а приведённые результаты относятся к экспериментальным оценкам. Перед применением необходимо самостоятельно проверить поведение модели.

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_remove50_gap_b005

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 50.5% of dense parameters, then given a 0.5% parameter budget of restored SVD components selected by the gap 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

field	value
base (uncompressed)	`meta-llama/Llama-2-7b-chat-hf`
compression	SVD-LLM, 49.52% of parameters removed
selection rule	`gap`
restore budget	0.500% of dense parameters
components restored	3048
components swapped out	0
resulting parameter fraction	0.5048
seed	42

Measured

metric	value
AdvBench ASR (HarmBench judge)	0.1538
StrongREJECT ASR (HarmBench judge)	0.2300
Macro over-refusal (WildGuard)	0.1875
WikiText-2 perplexity	13.5271

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: 03f98dc