/ 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
14 сен 2026

svd-safety-l2_remove50_swapgapnet_b010_r02

Генерация текстаТекст → текст3 профессии

Экспериментальная сжатая и частично отредактированная Llama 2 Chat для изучения влияния сжатия на безопасность ответов.

207скачиваний за 30 дней0лайковвеса обновлены14 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 Llama 2 Chat от Meta с 6,6 млрд параметров. Модель предназначена для изучения того, как сжатие влияет на безопасное поведение языковых моделей и насколько его можно восстановить редактированием параметров.

Веса сжаты методом SVD-LLM примерно до половины исходного числа плотных параметров, после чего выполнены два из десяти раундов параметрически нейтральной замены компонентов по правилу gap_iter. Модель принимает текст и генерирует текст, поддерживает диалог, имеет контекст 4096 токенов; базовая модель ориентирована на общение на английском языке.

Это экспериментальная ячейка исследования, а не универсальный ассистент. В README указано, что сжатие повышает успешность атак, а отдельные варианты намеренно имеют ослабленное защитное поведение; для этого чекпойнта приведены метрики AdvBench, StrongREJECT и WildGuard. Модель распространяется по лицензии Llama 2.

Сценарии применения

  • измерение устойчивости сжатой языковой модели к вредоносным запросам
  • сравнение метрик безопасности до и после сжатия
  • изучение восстановления защитного поведения редактированием параметров

Ограничения

Чекпойнт не предназначен для развертывания как универсальный ассистент; сжатие может ослаблять защитное поведение и повышать успешность атак. Это лишь два из десяти запланированных раундов редактирования, поэтому выводы следует проверять на полной экспериментальной сетке.

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_b010_r02

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then edited by 2 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 restored1165
components swapped out1165
resulting parameter fraction0.4999
seed42
iterative rounds applied2 of 10
per-round chunk0.100% of dense parameters
parameters swapped in12,944,384 (0.20% of dense projection parameters)
swap valuenet (insertion value + removal value of the sigma-ordered eviction)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.2019
StrongREJECT ASR (HarmBench judge)0.1693
Macro over-refusal (WildGuard)0.1769

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
eb7bea6

0 моделей