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_keep70_gap_b001

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 3.1 8B Instruct для изучения влияния сжатия и восстановления компонентов на безопасность и полезность генерации текста.

177скачиваний 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 экспериментальный исследовательский чекпойнт на основе Meta Llama 3.1 8B Instruct. Модель с архитектурой LlamaForCausalLM сжата методом SVD-LLM до 70,1% от числа параметров исходной модели, после чего восстановлены компоненты SVD, выбранные по правилу gap с бюджетом 0,1% параметров. Всего в модели 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и унаследовала многоязычные диалоговые возможности базовой модели.

Чекпойнт создан для изучения того, как сжатие влияет на безопасность и полезность модели, а также для сравнения методов восстановления компонентов. В README приведены результаты проверок отказов и атак, но модель описана как экспериментальный объект, а не универсальный чат-ассистент; отдельные варианты в исследовательской сетке могут быть менее безопасны, чем исходная модель. Для использования указана лицензия Llama 3.1.

Сценарии применения

измерение влияния SVD-сжатия на безопасность языковой модели
сравнение правил восстановления компонентов SVD
оценка успешности атак на сжатые чат-модели
анализ избыточных отказов после сжатия модели

Ограничения

Это исследовательский чекпойнт, не предназначенный для использования как универсальный чат-ассистент; сжатие может ухудшать защитное поведение, поэтому перед применением необходима самостоятельная оценка безопасности и полезности.

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.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

svd-safety-l31_keep70_gap_b001

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 70.1% 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, 29.91% of parameters removed
selection rule	`gap`
restore budget	0.100% of dense parameters
components restored	1120
components swapped out	0
resulting parameter fraction	0.7009
seed	42

Measured

metric	value
AdvBench ASR (HarmBench judge)	0.0385
StrongREJECT ASR (HarmBench judge)	0.0575
Macro over-refusal (WildGuard)	0.2595
WikiText-2 perplexity	17.2228

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: 14a56f6