/ Модель

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

svd-safety-l31_keep60_disc_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 3.1 8B Instruct для исследования влияния SVD-сжатия на безопасность и полезность языковой модели.

230скачиваний 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 базе Meta Llama 3.1 8B Instruct, сжатый методом SVD-LLM и частично восстановленный выбранными компонентами SVD. После сжатия в модели осталось 61% плотных параметров; восстановленные компоненты занимают бюджет 1% и отобраны правилом disc. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 131 072 токенов. Модель принимает текст и генерирует текст; унаследованные возможности включают диалог и интерфейс вызова инструментов.

Чекпойнт создан для изучения того, как сжатие влияет на безопасность и полезность модели, и для сравнения способов восстановления поведения. В README приведены оценки успешности атак AdvBench и StrongREJECT, а также чрезмерных отказов WildGuard. Автор предупреждает, что некоторые варианты эксперимента намеренно имеют сниженный уровень безопасности; этот чекпойнт не предназначен для общего применения как чат-ассистент.

Модель распространяется по лицензии Llama 3.1. Перед использованием для оценки или исследования необходимо учитывать экспериментальный характер чекпойнта и самостоятельно проверять его поведение.

Сценарии применения

  • изучение влияния сжатия на безопасность языковых моделей
  • сравнение восстановления компонентов SVD по правилу disc
  • оценка устойчивости к атакам на языковую модель
  • измерение чрезмерных отказов после сжатия
  • исследование компромисса между сжатием и полезностью модели

Ограничения

Это экспериментальная исследовательская версия, не предназначенная для общего применения как чат-ассистент; сжатие может ухудшать безопасное поведение, а README отмечает намеренно сниженные показатели безопасности у некоторых вариантов. Перед использованием требуется самостоятельная оценка поведения.

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-l31_keep60_disc_b010

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 61.0% of dense parameters, then given a 1.0% 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

fieldvalue
base (uncompressed)meta-llama/Llama-3.1-8B-Instruct
compressionSVD-LLM, 39.01% of parameters removed
selection ruledisc
restore budget1.000% of dense parameters
components restored8019
components swapped out0
resulting parameter fraction0.6099
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.2673
StrongREJECT ASR (HarmBench judge)0.3099
Macro over-refusal (WildGuard)0.1459
WikiText-2 perplexity21.3983

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
b6d8b60

0 моделей