/ 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_remove30_swapgapiter_b010_r03

Генерация текстаТекст → текст3 профессии

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

183скачиваний 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 исследовательский чекпойнт Jeesup на основе Meta Llama 3.1 8B Instruct, сжатый методом SVD-LLM и частично изменённый итеративным параметрически нейтральным обменом параметров по правилу gap_iter. В модели удалено 30,01% параметров исходного чекпойнта; указанный размер составляет 7,5 млрд параметров. Доступны веса в формате safetensors, архитектура — плотная LlamaForCausalLM, библиотека — Transformers. Модель принимает текст и генерирует текст, поддерживает диалог; контекст — до 131 072 токенов.

Чекпойнт создан как один из вариантов эксперимента по измерению влияния сжатия на безопасность и полезность языковой модели и восстановлению отдельных характеристик после сжатия. Он не предназначен для обычного применения в качестве чат-помощника. В README приведены результаты тестов AdvBench, StrongREJECT и WildGuard, однако автор указывает, что варианты исследования могут иметь ухудшенную безопасность и требуют самостоятельной оценки. Лицензия — Llama 3.1.

Сценарии применения

  • оценка влияния сжатия на безопасные ответы языковой модели
  • сравнение атакоустойчивости вариантов Llama после SVD-сжатия
  • исследование восстановления поведения модели методом перестановки параметров
  • измерение компромисса между безопасностью и полезностью чат-модели

Ограничения

Это экспериментальный вариант, который автор не рекомендует использовать как универсального чат-помощника; сжатие может ухудшать безопасность модели. Перед практическим применением необходимо самостоятельно проверить её безопасность и полезность.

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_remove30_swapgapiter_b010_r03

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 70.0% of dense parameters, then edited by 3 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, 30.01% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored3602
components swapped out3602
resulting parameter fraction0.6999
seed42
iterative rounds applied3 of 10
per-round chunk0.100% of dense parameters
parameters swapped in20,923,392 (0.30% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0050
StrongREJECT ASR (HarmBench judge)0.0350
Macro over-refusal (WildGuard)0.3625

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
0d43c0b

0 моделей