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_gap_b001

Генерация текстаТекст → текст3 профессии

Экспериментальная сжатая версия Llama 3.1 8B Instruct для изучения влияния SVD-сжатия на безопасность и полезность языковой модели.

245скачиваний 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 на базе Meta Llama 3.1 8B Instruct, сжатый методом SVD-LLM: удалено 49,90% параметров, до 50,1% плотной модели, после чего восстановлено 0,1% параметров по правилу gap. Модель разработана для изучения того, как сжатие влияет на безопасность и полезность языковых моделей и насколько разные способы восстановления компонентов меняют это поведение.

Чекпойнт предназначен для экспериментов и сравнительной оценки, а не для общего чат-ассистента. В README приведены результаты проверок безопасности на AdvBench, StrongREJECT и WildGuard. Сжатие может ухудшить защитное поведение; карточка предупреждает, что отдельные варианты в исследовательской сетке намеренно имеют ослабленную безопасность.

Модель имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров, работает с текстом и поддерживает контекст до 131072 токенов. Метаданные указывают лицензию llama3.1; перед использованием следует учитывать её условия. Результаты и свойства этого экспериментального чекпойнта не следует переносить на исходную Llama 3.1 8B Instruct.

Сценарии применения

сравнение защитного поведения модели до и после SVD-сжатия
оценка устойчивости к вредоносным запросам на AdvBench
измерение частоты отказов на безопасных запросах
изучение восстановления компонентов модели по правилу gap

Ограничения

Это экспериментальный чекпойнт, не предназначенный для развертывания в качестве общего ассистента; сжатие может ухудшать защитное поведение, а в отдельных вариантах оно намеренно ослаблено. Перед использованием необходимо самостоятельно оценить безопасность и полезность 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 II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

svd-safety-l31_keep50_gap_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 gap 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	`gap`
restore budget	0.100% of dense parameters
components restored	1555
components swapped out	0
resulting parameter fraction	0.5010
seed	42

Measured

metric	value
AdvBench ASR (HarmBench judge)	0.4923
StrongREJECT ASR (HarmBench judge)	0.3898
Macro over-refusal (WildGuard)	0.1312
WikiText-2 perplexity	2637.3782

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: 047831f