/ 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
11 сен 2026

svd-safety-l2_remove50_swapgapiter_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый вариант Llama 2 для изучения влияния SVD-сжатия и восстановления компонентов на безопасность диалоговой модели.

28скачиваний за 30 дней0лайковвеса обновлены11 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

Jeesup/svd-safety-l2_remove50_swapgapiter_b010 — исследовательский вариант диалоговой модели Meta Llama 2, подготовленный как экспериментальная ячейка в исследовании влияния сжатия на безопасность и полезность модели. Веса Llama-2-7b-chat-hf сжаты методом SVD-LLM: удалено 50,01% параметров, после чего восстановлены отдельные компоненты SVD с бюджетом 1% по правилу gap_iter. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; контекст — до 4096 токенов.

Модель предназначена для измерения компромисса между качеством ответов и безопасностью после сжатия, а также для сравнения правил восстановления компонентов. В README приведены показатели атак на AdvBench и StrongREJECT и показатель избыточного отказа WildGuard. Это отдельный экспериментальный чекпойнт, а не универсальный ассистент; его поведение может быть менее безопасным, чем у исходной модели, поэтому он не подходит для непосредственного развёртывания без собственной оценки. Лицензия — Llama 2.

Сценарии применения

  • сравнение безопасности диалоговых моделей после сжатия
  • измерение успешности атак на сжатую языковую модель
  • оценка восстановления безопасного поведения методом SVD
  • исследование компромисса между безопасностью и полезностью модели

Ограничения

README характеризует чекпойнт как экспериментальный объект, а не готового ассистента; сжатие может ухудшать безопасное поведение, поэтому перед применением необходима самостоятельная оценка.

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_swapgapiter_b010

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then given a 1.0% parameter budget of restored SVD components selected by the gap_iter 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 rulegap_iter
restore budget1.000% of dense parameters
components restored6867
components swapped out6867
resulting parameter fraction0.4999
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0827
StrongREJECT ASR (HarmBench judge)0.1565
Macro over-refusal (WildGuard)0.1652
WikiText-2 perplexity14.3901

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
f5add27

0 моделей