/ 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
15 сен 2026

svd-safety-l2_remove50_swapgapnet_a020_c002_b010_r02

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 2 7B Chat для исследования влияния сжатия на безопасность и полезность диалоговой модели.

349скачиваний 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

Экспериментальный чекпойнт Jeesup на базе диалоговой Meta Llama 2 7B Chat. Модель сжата методом SVD-LLM до 50% плотных параметров, затем обработана двумя раундами параметрически нейтральной перестановки компонентов по правилу gap_iter. Это одна конфигурация в исследовательской сетке, а не универсальный чат-ассистент.

Чекпойнт предназначен для изучения компромиссов между сжатием, полезностью и безопасностью диалоговых языковых моделей. В README приведены результаты оценки атак и чрезмерных отказов на AdvBench, StrongREJECT и WildGuard. Сжатие повышает успешность атак, поэтому поведение безопасности этой версии может быть ухудшено; перед использованием результаты следует проверять самостоятельно. Модель основана на Llama-2-7b-chat-hf, имеет 6,6 млрд параметров и контекст 4096 токенов, работает с текстом и предназначена прежде всего для англоязычного диалога. Лицензия — Llama 2.

Сценарии применения

  • изучение влияния сжатия SVD на ответы чат-модели
  • сравнение правил восстановления безопасности после сжатия
  • оценка устойчивости чат-модели к вредоносным запросам
  • анализ компромисса между полезностью и чрезмерными отказами

Ограничения

Экспериментальный чекпойнт не предназначен для развёртывания как универсальный ассистент; сжатие ухудшает безопасность, а приведённые метрики относятся к конкретным оценочным наборам и не гарантируют поведение в других сценариях.

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_swapgapnet_a020_c002_b010_r02

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then edited by 2 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

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 restored658
components swapped out658
resulting parameter fraction0.4999
seed42
iterative rounds applied2 of 5
per-round chunk0.200% of dense parameters
parameters swapped in7,353,344 (0.11% of dense projection parameters)
swap valuenet (insertion value + removal value of the sigma-ordered eviction)
insertion scale0.2 (components added at this fraction of their strength)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.5288
StrongREJECT ASR (HarmBench judge)0.3099
Macro over-refusal (WildGuard)0.1083

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
6574558

0 моделей