/ 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
10 сен 2026

svd-safety-l2_remove60_swapgap_b001

Генерация текстаТекст → текст3 профессии

Сжатый исследовательский вариант Llama 2 7B Chat для изучения влияния SVD-сжатия и восстановления компонентов на безопасность и полезность диалоговой модели.

20скачиваний за 30 дней0лайковвеса обновлены10 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 модели Meta Llama 2 7B Chat. Весы сжаты методом SVD-LLM: удалено около 60% параметров, после чего восстановлена малая доля SVD-компонентов, выбранных правилом swapgap. Модель содержит 6,6 млрд параметров, использует архитектуру Llama и рассчитана на генерацию текста и диалог; контекст — до 4096 токенов. В метаданных указан английский язык базовой модели.

Чекпойнт предназначен для экспериментов по измерению влияния сжатия на безопасность и полезность ответов, а также оценки восстановления поведения с помощью выбранных компонентов. В карточке приведены метрики успешности атак и чрезмерных отказов. Это отдельная точка исследовательской сетки, а не универсальный чат-ассистент; некоторые варианты сетки намеренно демонстрируют ухудшение безопасности. Лицензия — Llama 2; перед использованием необходимо соблюдать её условия.

Сценарии применения

  • измерение устойчивости сжатой языковой модели к вредоносным запросам
  • сравнение успешности атак до и после восстановления SVD-компонентов
  • оценка чрезмерных отказов у сжатой диалоговой модели

Ограничения

Это экспериментальный исследовательский чекпойнт, не предназначенный для развёртывания как универсальный ассистент; сжатие может ухудшать безопасность, поэтому результаты и поведение модели следует оценивать отдельно.

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_remove60_swapgap_b001

A Llama-2-7b-chat checkpoint compressed with SVD-LLM to 40.0% of dense parameters, then given a 0.1% parameter budget of restored SVD components selected by the swapgap 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, 60.01% of parameters removed
selection ruleswapgap
restore budget0.100% of dense parameters
components restored674
components swapped out674
resulting parameter fraction0.3999
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.3500
StrongREJECT ASR (HarmBench judge)0.3578
Macro over-refusal (WildGuard)0.0773
WikiText-2 perplexity17.7719

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
1b29a7c

0 моделей