/ 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_jbbsft10_remove40

Генерация текстаТекст → текст3 профессии

Экспериментальная сжатая и восстановленная LoRA-дообучением версия Llama 2 для изучения влияния сжатия на безопасность и полезность диалоговых моделей.

402скачиваний 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

Экспериментальный диалоговый чекпойнт на базе Llama-2-7b-chat от Meta, подготовленный для изучения влияния сжатия на безопасность и полезность языковых моделей. Весы сжаты методом Swift-SVD с динамическим распределением рангов: удалено около 40% параметров, после чего модель восстановлена последовательным LoRA-дообучением по схеме SVD-LLM. Репозиторий содержит плотную архитектуру LlamaForCausalLM с 6,6 млрд параметров; контекст — 4096 токенов. Модель принимает текст и генерирует текст в диалоговом формате.

Чекпойнт предназначен для сравнительных исследований последствий сжатия и оценки компромисса между безопасностью и полезностью, а не для использования как универсальный ассистент. В README приведены показатели атакуемости на AdvBench и StrongREJECT, а также чрезмерных отказов по WildGuard; отдельные варианты эксперимента могут быть намеренно менее безопасными, чем исходная модель. Карточка указывает лицензию Llama 2; перед использованием следует соблюдать её условия.

Сценарии применения

  • сравнение безопасности модели до и после сжатия весов
  • оценка устойчивости диалоговой модели к вредоносным запросам
  • измерение чрезмерных отказов после компрессии
  • исследование восстановления качества языковой модели с помощью LoRA

Ограничения

Это исследовательский чекпойнт, не предназначенный для развёртывания как универсальный ассистент; сжатие может ухудшить безопасное поведение. Перед применением необходимо самостоятельно оценить безопасность и полезность модели.

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_jbbsft10_remove40

A Llama-2-7b-chat checkpoint compressed with Swift-SVD (dynamic rank allocation, alpha 0.6, 256 x 2048 WikiText2 calibration) to 60.0% of dense parameters, then recovered with SVD-LLM's stage-2 LoRA (sequential U then V, alpaca_cleaned_jbbsft_x10.json, 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 calibration), 40.00% of parameters removed
resulting parameter fraction0.5998
seed42
per-matrix ranksSwift-SVD allocation (compression.json ranks)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0365
StrongREJECT ASR (HarmBench judge)0.0415
Macro over-refusal (WildGuard)0.3541
WikiText-2 perplexity11.5992

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
6f8836b

0 моделей