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_keep60_gap_b001

Генерация текстаТекст → текст3 профессии

Экспериментальный вариант Llama 3.1 8B Instruct, сжатый методом SVD для исследования изменений безопасности и полезности языковой модели.

232скачиваний 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

Jeesup/svd-safety-l31_keep60_gap_b001 — исследовательский чекпойнт на базе Meta Llama 3.1 8B Instruct, сжатый методом SVD-LLM примерно до 60,1% исходного числа параметров, а затем дополненный восстановленными компонентами SVD с бюджетом 0,1%, выбранными по правилу gap. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, поддержкой диалога и интерфейсом вызова инструментов; она принимает и генерирует текст, а заявленный контекст составляет 131 072 токена.

Модель создана как один из вариантов экспериментальной сетки для изучения влияния SVD-сжатия на безопасность и полезность и восстановления поведения после сжатия. В README приведены результаты тестов AdvBench, StrongREJECT и WildGuard, а также отмечено, что сжатие может повысить успешность атак и ухудшить безопасное поведение. Чекпойнт не предназначен для общего диалогового применения или развёртывания без отдельной оценки. Лицензия — Llama 3.1.

Сценарии применения

сравнение безопасности Llama 3.1 до и после SVD-сжатия
оценка успешности атак на сжатые языковые модели
измерение отказов от вредоносных запросов
исследование восстановления поведения модели выборочными компонентами SVD

Ограничения

Это исследовательский вариант, а не универсальный чат-ассистент; сжатие может ухудшать безопасное поведение и повышать успешность атак. README рекомендует самостоятельно оценить модель до использования.

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.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.9Разработка и данныеСтатистика, эксперименты и причинный анализAI помогает планировать эксперименты и делать статистически обоснованные выводы о связях и эффектах.18 задач2 881модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

svd-safety-l31_keep60_gap_b001

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 60.1% 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, 39.92% of parameters removed
selection rule	`gap`
restore budget	0.100% of dense parameters
components restored	1233
components swapped out	0
resulting parameter fraction	0.6008
seed	42

Measured

metric	value
AdvBench ASR (HarmBench judge)	0.4865
StrongREJECT ASR (HarmBench judge)	0.4345
Macro over-refusal (WildGuard)	0.0790
WikiText-2 perplexity	25.3109

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: 20821e1