/ 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_r09

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 3.1 8B Instruct для изучения влияния SVD-сжатия и редактирования параметров на безопасность модели.

219скачиваний 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

Это экспериментальный чекпойнт на основе Meta Llama 3.1 8B Instruct, созданный в исследовании влияния сжатия на безопасность и полезность языковых моделей. Он предназначен для измерения того, как сжатие SVD и последующее редактирование параметров влияют на поведение модели, а не для использования в качестве универсального чат-ассистента.

Веса сжаты методом SVD-LLM: удалено 20,02% параметров, после чего выполнено 9 из 10 раундов параметрически нейтрального обмена компонентами по правилу gap_iter. Размер модели по метаданным — 7,5 млрд параметров; архитектура — плотная LlamaForCausalLM, формат — safetensors, контекст — до 131 072 токенов. Модель принимает текст и генерирует текст; базовая модель поддерживает многоязычные диалоги и интерфейс вызова инструментов.

В измерениях README указаны ASR 0,0000 на AdvBench, 0,0250 на StrongREJECT и макродоля чрезмерных отказов 0,4239 по WildGuard. Эти результаты относятся к конкретным оценочным наборам и не гарантируют аналогичного поведения в других сценариях. Модель является исследовательским артефактом; авторы рекомендуют оценивать её перед использованием. Лицензия — Llama 3.1.

Сценарии применения

  • измерение влияния сжатия весов на безопасность языковой модели
  • сравнение правил восстановления поведения после SVD-сжатия
  • оценка успешности атак на чат-модель на бенчмарках безопасности
  • анализ чрезмерных отказов после редактирования параметров

Ограничения

Это исследовательский чекпойнт, а не готовый универсальный ассистент; результаты README ограничены указанными бенчмарками и не подтверждают поведение в других условиях. Модель следует самостоятельно оценить перед использованием.

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_r09

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 80.0% of dense parameters, then edited by 9 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 restored8676
components swapped out8676
resulting parameter fraction0.7998
seed42
iterative rounds applied9 of 10
per-round chunk0.100% of dense parameters
parameters swapped in62,779,392 (0.90% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0000
StrongREJECT ASR (HarmBench judge)0.0250
Macro over-refusal (WildGuard)0.4239

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
4326537

0 моделей