/ 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_r09

Генерация текстаТекст → текст3 профессии

Экспериментальная сжатая версия Llama 2 Chat для изучения влияния сжатия на безопасность и полезность диалоговой модели.

345скачиваний 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 диалоговой модели Llama 2, созданный в рамках исследования влияния сжатия на безопасность ответов. За основу взята meta-llama/Llama-2-7b-chat-hf; модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM, принимает текст и предназначена для генерации текста и диалогов. Контекст составляет 4096 токенов. Модель сжата методом SVD-LLM: удалено около 50% параметров, после чего выполнено 9 раундов перестановки параметров по правилу disc_iter.

Чекпойнт предназначен для измерения компромиссов между сжатием, полезностью и безопасностью, а также для изучения восстановления защитного поведения. В README приведены показатели атак на AdvBench и StrongREJECT и показатель избыточных отказов WildGuard. Это отдельная экспериментальная точка в сетке условий, а не универсальный помощник; авторы отмечают, что сжатие может повысить успешность атак, и рекомендуют самостоятельно оценивать модель перед выводами. Лицензия — Llama 2.

Сценарии применения

  • оценка устойчивости чат-модели к вредоносным запросам
  • исследование влияния сжатия параметров на защитное поведение
  • сравнение компромиссов безопасности и полезности языковых моделей

Ограничения

Сжатие может ухудшать защитное поведение и повышать успешность атак; README характеризует чекпойнт как экспериментальный объект, а не готового универсального помощника. Перед использованием и интерпретацией результатов модель следует самостоятельно оценить.

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_r09

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then edited by 9 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 restored5488
components swapped out5488
resulting parameter fraction0.4999
seed42
iterative rounds applied9 of 10
per-round chunk0.100% of dense parameters
parameters swapped in58,263,296 (0.90% 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)0.4135
StrongREJECT ASR (HarmBench judge)0.2460
Macro over-refusal (WildGuard)0.2083

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
3db1e7b

0 моделей