/ 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_r06

Генерация текстаТекст → текст3 профессии

Экспериментальная сжатая и итеративно отредактированная версия Llama 3.1 8B Instruct для исследования влияния сжатия на безопасность и полезность генерации текста.

257скачиваний 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

Jeesup/svd-safety-l31_remove30_swapgapiter_b010_r06 — исследовательский чекпойнт на базе Meta Llama 3.1 8B Instruct, сжатый методом SVD-LLM до 70% исходного числа плотных параметров: удалено 30,01% параметров. Затем к нему применили 6 из 10 раундов итеративной перестановки параметров по правилу gap_iter с бюджетом до 0,1% исходных параметров на раунд.

Чекпойнт создан для исследования того, как SVD-сжатие влияет на безопасность и полезность модели и как разные правила выбора компонентов могут восстанавливать поведение. Он поддерживает генерацию текста и диалоговый интерфейс; размер составляет 7,5 млрд параметров, нативный контекст — 131 072 токена. В README приведены результаты на оценках безопасности: AdvBench ASR — 0,0800, StrongREJECT ASR — 0,2150, Macro over-refusal по WildGuard — 0,1007.

Это экспериментальный объект для измерения компромиссов безопасности и полезности, а не универсальный помощник для развертывания. Некоторые варианты исследования намеренно имеют ослабленное безопасное поведение; этот чекпойнт следует самостоятельно оценить перед использованием. Лицензия — Llama 3.1.

Сценарии применения

  • сравнение безопасности сжатых языковых моделей
  • оценка устойчивости к вредоносным запросам
  • измерение чрезмерных отказов модели
  • исследование восстановления поведения после SVD-сжатия

Ограничения

Это экспериментальный чекпойнт, не предназначенный для использования как универсальный помощник; его поведение в отношении безопасности может быть ослаблено. Перед применением необходимо самостоятельно оценить его 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_r06

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 70.0% of dense parameters, then edited by 6 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 restored6618
components swapped out6618
resulting parameter fraction0.6999
seed42
iterative rounds applied6 of 10
per-round chunk0.100% of dense parameters
parameters swapped in41,845,760 (0.60% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0800
StrongREJECT ASR (HarmBench judge)0.2150
Macro over-refusal (WildGuard)0.1007

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
ed69f3e

0 моделей