/ 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
18 сен 2026

svd-safety-l2_swift_jbbcal2_remove50

Генерация текстаТекст → текст3 профессии

Экспериментальный вариант Llama 2, сжатый методом Swift-SVD и восстановленный LoRA для исследования влияния сжатия на безопасность языковых моделей.

408скачиваний за 30 дней0лайковвеса обновлены22 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

Jeesup/svd-safety-l2_swift_jbbcal2_remove50 — исследовательский чекпойнт на базе диалоговой Llama 2 от Meta, подготовленный для изучения влияния сжатия на безопасность ответов. Модель семейства Llama с архитектурой LlamaForCausalLM содержит 6,6 млрд параметров, принимает текст и генерирует текст; контекст — до 4096 токенов. В README описано сжатие Swift-SVD с удалением 50% параметров и последующее восстановление с помощью LoRA-обучения на двух этапах.

Чекпойнт предназначен для измерения компромисса между безопасностью и полезностью при сжатии языковых моделей, а также для сравнительных экспериментов с методами восстановления. В README приведены результаты оценивания по AdvBench, StrongREJECT и WildGuard. Модель не предназначена для применения как универсальный чат-ассистент: сжатие может ухудшать защитное поведение, поэтому результаты экспериментов нельзя переносить на другие сценарии без отдельной проверки.

Для использования распространяется по лицензии Llama 2; действуют её условия.

Сценарии применения

  • Сравнение методов сжатия языковых моделей по влиянию на безопасность
  • Измерение успешности атак на сжатую диалоговую модель
  • Оценка чрезмерных отказов после сжатия и восстановления модели

Ограничения

Это исследовательский артефакт, а не готовый универсальный чат-ассистент; сжатие может ухудшить защитное поведение, и модель требует самостоятельной оценки перед использованием. Условия лицензии Llama 2 ограничивают использование согласно её правилам.

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_swift_jbbcal2_remove50

A Llama-2-7b-chat checkpoint compressed with Swift-SVD (dynamic rank allocation, alpha 0.6, 256 x 2048 WikiText2 + 2 x 2048 jbb_harmful calibration) to 50.0% of dense parameters, then recovered with SVD-LLM's stage-2 LoRA (sequential U then V, alpaca-cleaned, r=8, alpha=16, 2 epochs per half, lr 0.0001, batch 64, cutoff 256).

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
compressionSwift-SVD (dynamic rank allocation, alpha 0.6, 256 x 2048 WikiText2 + 2 x 2048 jbb_harmful calibration), 50.00% of parameters removed
resulting parameter fraction0.4999
seed42
per-matrix ranksSwift-SVD allocation (compression.json ranks)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0462
StrongREJECT ASR (HarmBench judge)0.0831
Macro over-refusal (WildGuard)0.5383
WikiText-2 perplexity14.4106

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
37d3608

0 моделей