/ 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_remove50_swapdisc_a010_b010_r07

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Llama 2 Chat, сжатый методом SVD и изменённый для изучения компромиссов между сжатием и безопасностью генерации.

318скачиваний за 30 дней0лайковвеса обновлены14 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 базе диалоговой Llama 2 Chat от Meta с 6,6 млрд параметров. Он предназначен для изучения влияния сжатия на безопасное поведение языковой модели и компромиссов между безопасностью и полезностью, а не для использования в качестве универсального чат-ассистента.

Модель с архитектурой LlamaForCausalLM сжата методом SVD-LLM примерно до 50% плотных параметров. Затем к ней применили семь из десяти запланированных раундов итеративной замены параметров по правилу disc_iter; бюджет полного прогона составляет 1% плотных параметров. Контекст — 4096 токенов. README приводит результаты измерений на наборах AdvBench, StrongREJECT и WildGuard, включая повышенную успешность атак после сжатия.

Чекпойнт полезен для экспериментов по оценке устойчивости к вредоносным запросам и последствий сжатия. Измерения относятся к указанным тестам и не гарантируют поведение на других данных. Модель может демонстрировать ухудшенную безопасность; перед любым применением требуется отдельная оценка. Лицензия — Llama 2.

Сценарии применения

  • оценка устойчивости сжатой языковой модели к вредоносным запросам
  • сравнение безопасности модели до и после сжатия
  • изучение влияния SVD-сжатия на поведение чат-модели

Ограничения

Чекпойнт экспериментальный и может иметь пониженную устойчивость к вредоносным запросам; результаты приведены лишь для отдельных тестовых наборов. README прямо не рекомендует рассматривать его как готового ассистента.

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_swapdisc_a010_b010_r07

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then edited by 7 of 10 rounds of iterative parameter-neutral swap selected by the disc_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, 50.01% of parameters removed
selection ruledisc_iter
restore budget1.000% of dense parameters
components restored4318
components swapped out4318
resulting parameter fraction0.4999
seed42
iterative rounds applied7 of 10
per-round chunk0.100% of dense parameters
parameters swapped in45,312,512 (0.70% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)
insertion scale0.1 (components added at this fraction of their strength)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.4808
StrongREJECT ASR (HarmBench judge)0.2716
Macro over-refusal (WildGuard)0.1502

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
d58c06b

0 моделей