/ 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_swapdisc_b001

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 2 7B Chat для изучения влияния сжатия и восстановления компонентов на безопасность диалоговой модели.

361скачиваний 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 исследовательский чекпойнт Jeesup на основе диалоговой модели Meta Llama 2 7B Chat, сжатый методом SVD-LLM примерно до 50% исходных параметров. В него добавлен бюджет восстановления 0,1% параметров: компоненты SVD выбраны по правилу swapdisc. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 6,6 млрд параметров, принимает текст и рассчитана на контекст до 4096 токенов.

Чекпойнт предназначен для экспериментов по измерению влияния сжатия на безопасность и полезность диалоговых моделей, а также для оценки восстановления поведения выбором компонентов. README приводит результаты проверок на AdvBench, StrongREJECT и WildGuard. Это отдельная точка в серии экспериментов, а не универсальный чат-ассистент; сжатие может ухудшать защиту от атак и менять склонность к отказам. Лицензия — Llama 2; перед использованием необходимо соблюдать её условия.

Сценарии применения

  • Оценка устойчивости сжатой языковой модели к вредоносным запросам
  • Сравнение правил восстановления SVD-компонентов
  • Измерение компромисса между полезностью и безопасностью чат-модели

Ограничения

Экспериментальный чекпойнт не предназначен для развёртывания как универсальный ассистент; сжатие может ухудшить защиту от атак и изменить склонность модели к чрезмерным отказам. 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_swapdisc_b001

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then given a 0.1% parameter budget of restored SVD components selected by the swapdisc 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, 50.01% of parameters removed
selection ruleswapdisc
restore budget0.100% of dense parameters
components restored679
components swapped out679
resulting parameter fraction0.4999
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.2154
StrongREJECT ASR (HarmBench judge)0.1693
Macro over-refusal (WildGuard)0.2775
WikiText-2 perplexity13.6374

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
7100f5d

0 моделей