/ 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
17 сен 2026

svd-safety-l31_remove20_swapgapiter_b010_r04

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 3.1 8B Instruct для исследования влияния сжатия и последующей замены параметров на безопасность модели.

186скачиваний за 30 дней0лайковвеса обновлены17 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

Экспериментальный чекпойнт Jeesup на основе Meta Llama 3.1 8B Instruct, созданный для изучения влияния сжатия на безопасность модели. Веса сжаты методом SVD-LLM: удалено около 20% параметров, после чего проведены 4 из 10 раундов итеративной замены параметров по правилу gap_iter. Модель имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст для генерации текста; контекст — до 131 072 токенов.

Чекпойнт предназначен для измерения компромисса между безопасностью и полезностью и сравнения правил восстановления поведения после сжатия. В README приведены результаты на AdvBench, StrongREJECT и WildGuard. Это отдельная ячейка исследовательской сетки, а не универсальный чат-ассистент; результаты оценки сами по себе не гарантируют безопасное поведение в других сценариях. Для использования применяются условия лицензии Llama 3.1.

Сценарии применения

  • сравнение безопасности модели до и после сжатия
  • измерение устойчивости к атакам на отказ от вредоносных запросов
  • оценка компромисса между безопасностью и полезностью языковой модели

Ограничения

README предупреждает, что отдельные варианты в исследовательской сетке могут быть менее безопасными, чем исходная Llama 3.1 8B Instruct; этот чекпойнт не предназначен для развёртывания как универсальный ассистент. Перед использованием в исследованиях следует самостоятельно оценить его поведение: опубликованные метрики не гарантируют результатов в иных сценариях.

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_remove20_swapgapiter_b010_r04

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 80.0% of dense parameters, then edited by 4 of 10 rounds of iterative parameter-neutral swap selected by the gap_iter rule (up to 0.1% of dense parameters per round; the full run's budget is 1.0%).

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, 20.02% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored4487
components swapped out4487
resulting parameter fraction0.7998
seed42
iterative rounds applied4 of 10
per-round chunk0.100% of dense parameters
parameters swapped in27,897,856 (0.40% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0100
StrongREJECT ASR (HarmBench judge)0.0300
Macro over-refusal (WildGuard)0.2638

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 them. 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
ca0d284

0 моделей