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_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 3.1 8B Instruct для изучения влияния SVD-сжатия и восстановления компонентов на безопасность и полезность модели.

212скачиваний 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_b010 — исследовательский чекпойнт на основе Meta Llama 3.1 8B Instruct, сжатый методом SVD-LLM примерно до 61% исходного числа параметров. К нему добавлен бюджет восстановленных SVD-компонентов в 1%, выбранных по правилу gap. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст для генерации текста; заявленная длина контекста — 131 072 токена.

Чекпойнт создан для изучения того, как сжатие влияет на безопасность и полезность языковой модели и насколько разные правила восстановления компонентов меняют это влияние. В README приведены результаты оценок на AdvBench, StrongREJECT и WildGuard. Это отдельная ячейка исследовательской сетки, а не универсальный чат-ассистент: сжатие может ухудшать защитное поведение, поэтому перед использованием в экспериментах результаты следует оценивать самостоятельно. Для доступа к весам применяется лицензия Llama 3.1.

Сценарии применения

сравнение безопасности сжатых языковых моделей
измерение успешности атак на модель после сжатия
исследование восстановления защитного поведения с помощью SVD-компонентов

Ограничения

В README отмечено, что сжатие может повышать успешность атак и ухудшать защитное поведение; чекпойнт предназначен для экспериментов, а не для развёртывания как универсальный ассистент. Перед использованием следует 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.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели 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_keep60_gap_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 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, 39.01% of parameters removed
selection rule	`gap`
restore budget	1.000% of dense parameters
components restored	7958
components swapped out	0
resulting parameter fraction	0.6099
seed	42

Measured

metric	value
AdvBench ASR (HarmBench judge)	0.2577
StrongREJECT ASR (HarmBench judge)	0.2396
Macro over-refusal (WildGuard)	0.1659
WikiText-2 perplexity	21.1825

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: 3d61d25