Характеристики

Контекст: 131 072 токена
Параметры: 7,5 млрд
Размер весов: 16,1 ГБ
Лицензия: Llama 3.1
Архитектура: llama · dense
Базовая модель: Llama-3.1-8B-Instruct
Библиотека: transformers
Опубликована: 11 сен 2026

Ссылки

svd-safety-l31_keep50_disc_b001

Генерация текстаТекст → текст3 профессии

Экспериментально сжатый вариант Llama-3.1-8B-Instruct для исследования влияния SVD-сжатия и восстановления компонентов на безопасность и полезность модели.

258скачиваний за 30 дней0лайковвеса обновлены11 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

Это исследовательский чекпойнт Jeesup на основе Llama-3.1-8B-Instruct, предназначенный для изучения влияния сжатия SVD-LLM на безопасность и полезность языковых моделей. Веса сжаты до 50,1% от исходного числа параметров, а затем в пределах бюджета 0,1% восстановлены компоненты, выбранные по правилу disc. Модель содержит 7,5 млрд параметров, использует архитектуру Llama и формат safetensors; нативная длина контекста — 131 072 токена. Она принимает текст и генерирует текст в диалоговом формате.

Модель предназначена для исследовательских измерений компромиссов между сжатием, безопасностью и полезностью, в том числе для анализа показателей атакующих запросов и избыточных отказов. Карточка приводит результаты на AdvBench, StrongREJECT и WildGuard и предупреждает, что сжатие может ухудшать защиту от вредоносных запросов. Это экспериментальный объект для оценки, а не универсальный чат-ассистент. Лицензия — Llama 3.1.

Сценарии применения

измерение устойчивости сжатой языковой модели к вредоносным запросам
сравнение правил восстановления компонентов после SVD-сжатия
оценка компромисса между безопасностью и полезностью чат-модели
сопоставление показателей атакующих запросов на AdvBench и StrongREJECT
анализ избыточных отказов по оценкам WildGuard

Ограничения

README предупреждает, что сжатие может ухудшать безопасное поведение, а отдельные варианты намеренно имеют сниженные показатели безопасности; этот чекпойнт предназначен для экспериментов, а не для развертывания как универсальный ассистент. Перед использованием результатов требуется самостоятельная оценка модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.9Разработка и данныеСтатистика, эксперименты и причинный анализAI помогает планировать эксперименты и делать статистически обоснованные выводы о связях и эффектах.18 задач2 881модель I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

svd-safety-l31_keep50_disc_b001

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 50.1% of dense parameters, then given a 0.1% parameter budget of restored SVD components selected by the disc 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

field	value
base (uncompressed)	`meta-llama/Llama-3.1-8B-Instruct`
compression	SVD-LLM, 49.90% of parameters removed
selection rule	`disc`
restore budget	0.100% of dense parameters
components restored	1558
components swapped out	0
resulting parameter fraction	0.5010
seed	42

Measured

metric	value
AdvBench ASR (HarmBench judge)	0.5442
StrongREJECT ASR (HarmBench judge)	0.4792
Macro over-refusal (WildGuard)	0.0879
WikiText-2 perplexity	2147.2817

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-3.1-8B-Instruct: 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 3.1 Community License. LICENSE and USE_POLICY.md are included in this repository, and use of this derivative is bound by both. Built with Llama.

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: a28d4ca