/ 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_remove50_sigma_b001

Генерация текстаТекст → текст3 профессии

Экспериментальная сжатая версия Llama-2-7b-chat для исследования того, как сжатие влияет на безопасность и полезность языковой модели.

149скачиваний 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 экспериментальный чекпойнт Jeesup на основе диалоговой Llama-2-7b-chat, созданный для изучения влияния сжатия на безопасность языковых моделей. Веса сжаты методом SVD-LLM: удалено 49,91% параметров, после чего восстановлена доля компонентов SVD размером 0,1% от исходного бюджета по правилу sigma. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст для генерации текста; контекст — до 4096 токенов.

Чекпойнт предназначен для экспериментов по сравнению безопасности и полезности моделей при сжатии, а не для обычного использования в качестве чат-ассистента. В README приведены результаты измерения успешности атак и чрезмерных отказов; авторы отмечают, что сжатие может ухудшать защитное поведение и рекомендуют самостоятельно оценивать каждый вариант. Языковая модель основана на англоязычной Llama 2. Лицензия — Llama 2.

Сценарии применения

  • измерение влияния SVD-сжатия на защитное поведение чат-модели
  • сравнение правил восстановления компонентов SVD
  • оценка успешности атак на сжатую языковую модель
  • исследование компромисса между безопасностью и полезностью модели

Ограничения

Это исследовательский экспериментальный чекпойнт, не предназначенный для развёртывания как универсальный ассистент; сжатие может ухудшать защитное поведение и повышать успешность атак. Результаты следует самостоятельно оценивать для конкретного применения.

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_remove50_sigma_b001

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 50.1% of dense parameters, then given a 0.1% parameter budget of restored SVD components selected by the sigma 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, 49.91% of parameters removed
selection rulesigma
restore budget0.100% of dense parameters
components restored544
components swapped out0
resulting parameter fraction0.5009
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.5192
StrongREJECT ASR (HarmBench judge)0.3419
Macro over-refusal (WildGuard)0.1285
WikiText-2 perplexity13.5313

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
cf2c16e

0 моделей