/ 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
20 сен 2026

svd-safety-l2_remove50_swapgapiter_rankunit

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 2 предназначен для изучения влияния сжатия на безопасность и полезность генерации ответов.

184скачиваний за 30 дней0лайковвеса обновлены20 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 базе диалоговой Llama 2 от Meta, созданный для изучения влияния сжатия на безопасность и полезность ответов. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, генерируя текст. В README указано сжатие SVD-LLM: удалено около 50% параметров; затем выполнено 10 раундов итеративной замены параметров по правилу gap_iter. Контекст составляет 4096 токенов.

Чекпойнт предназначен для экспериментов с метриками безопасности и восстановления поведения после сжатия, а не для обычного общения с пользователями. В README приведены результаты на AdvBench, StrongREJECT и WildGuard; они относятся к измерениям автора и не подтверждают пригодность модели для развёртывания. Базовая модель рассчитана на общение на английском языке. Использование регулируется лицензией Llama 2; README отдельно рекомендует самостоятельно оценивать модель.

Сценарии применения

  • измерение изменений безопасности Llama 2 после сжатия
  • сравнение правил выбора параметров при восстановлении поведения после сжатия
  • оценка успешности атак на сжатую диалоговую модель
  • исследование компромисса между безопасностью и полезностью модели

Ограничения

Это экспериментальный чекпойнт, который README не рекомендует использовать как универсального ассистента; сжатие может ухудшать защитное поведение. Перед любым применением необходимо самостоятельно оценить безопасность и полезность модели.

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_rankunit

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then edited by 10 of 10 rounds of iterative parameter-neutral swap selected by the gap_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 rulegap_iter
restore budget1.000% of dense parameters
components restored5104
components swapped out5104
resulting parameter fraction0.4999
seed42
iterative rounds applied10 of 10
per-round chunk0.100% of dense parameters
parameters swapped in64,725,248 (1.00% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0538
StrongREJECT ASR (HarmBench judge)0.1214
Macro over-refusal (WildGuard)0.1700
WikiText-2 perplexity13.9214

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 them. 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
172f636

0 моделей