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: 15 сен 2026

Ссылки

svd-safety-l2_remove50_swapgapnet_a020_c002_b010_r01

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 2 для исследования компромиссов между сжатием модели и безопасностью диалоговых ответов.

356скачиваний за 30 дней0лайковвеса обновлены15 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 экспериментальный исследовательский чекпойнт Jeesup на основе диалоговой модели meta-llama/Llama-2-7b-chat-hf. Весовая матрица сжата методом SVD-LLM: удалено около 50% параметров, после чего выполнен первый из пяти раундов параметрически нейтральной замены компонентов по правилу gap_iter. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM, библиотеку Transformers и формат safetensors; длина контекста — 4096 токенов.

Чекпойнт создан для изучения того, как сжатие влияет на безопасность и полезность ответов, и для измерения эффекта выбранной стратегии восстановления. В README приведены показатели атак на безопасность и избыточных отказов; авторы предупреждают, что поведение безопасности может быть ухудшено по сравнению с исходной Llama-2-7b-chat. Это не универсальный ассистент и не готовая к развёртыванию модель. Лицензия — Llama 2.

Сценарии применения

оценка влияния сжатия весов на безопасность ответов
сравнение стратегий восстановления поведения после SVD-сжатия
измерение успешности атак на диалоговую модель
исследование избыточных отказов после сжатия

Ограничения

README предупреждает, что безопасность модели может быть хуже, чем у исходной Llama-2-7b-chat; чекпойнт предназначен для экспериментов, а не для развёртывания как ассистент. Перед использованием результаты необходимо оценить самостоятельно.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.9Разработка и данныеСтатистика, эксперименты и причинный анализAI помогает планировать эксперименты и делать статистически обоснованные выводы о связях и эффектах.18 задач2 881модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

svd-safety-l2_remove50_swapgapnet_a020_c002_b010_r01

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then edited by 1 of 5 rounds of iterative parameter-neutral swap selected by the gap_iter rule (up to 0.2% 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

field	value
base (uncompressed)	`meta-llama/Llama-2-7b-chat-hf`
compression	SVD-LLM, 50.01% of parameters removed
selection rule	`gap_iter`
restore budget	1.000% of dense parameters
components restored	541
components swapped out	541
resulting parameter fraction	0.4999
seed	42
iterative rounds applied	1 of 5
per-round chunk	0.200% of dense parameters
parameters swapped in	6,097,664 (0.09% of dense projection parameters)
swap value	`net` (insertion value + removal value of the sigma-ordered eviction)
insertion scale	0.2 (components added at this fraction of their strength)
checkpoint	intermediate round of a longer run

Measured

metric	value
AdvBench ASR (HarmBench judge)	0.5308
StrongREJECT ASR (HarmBench judge)	0.3642
Macro over-refusal (WildGuard)	0.1106

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: d7644c5