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

Ссылки

svd-safety-l31_remove30_swapgapiter_b010_r08

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Llama 3.1 8B Instruct, сжатый SVD и частично скорректированный для изучения компромиссов между безопасностью и полезностью.

299скачиваний 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 на основе инструкционно настроенной языковой модели Meta Llama 3.1 8B Instruct. Его сжали методом SVD-LLM, удалив 30,01% параметров, а затем провели 8 из 10 раундов итеративной перестановки параметров по правилу gap_iter. В модели около 7,5 млрд параметров, архитектура — плотная LlamaForCausalLM; она принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и использует формат safetensors.

Модель создана как один из вариантов эксперимента по измерению влияния SVD-сжатия на безопасность и полезность языковой модели и проверке способов частичного восстановления поведения. Она подходит для сравнительного анализа метрик отказов и успешности атак на сжатых моделях, но не предназначена для повседневного общения или развёртывания как универсальный ассистент. В README приведены результаты на AdvBench, StrongREJECT и WildGuard; авторы предупреждают, что безопасность отдельных вариантов может быть снижена относительно исходной модели.

Лицензия — Llama 3.1. Для практических выводов и применения требуется самостоятельная оценка модели; экспериментальные метрики не гарантируют безопасность в реальных сценариях.

Сценарии применения

сравнение безопасности сжатых языковых моделей
измерение успешности атак на чат-модели
оценка чрезмерных отказов модели
исследование восстановления поведения после SVD-сжатия

Ограничения

Это исследовательский вариант, а не готовый универсальный ассистент; сжатие может снижать защиту от атак. Перед использованием необходимо самостоятельно оценить безопасность и качество модели.

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.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

svd-safety-l31_remove30_swapgapiter_b010_r08

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 70.0% of dense parameters, then edited by 8 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

field	value
base (uncompressed)	`meta-llama/Llama-3.1-8B-Instruct`
compression	SVD-LLM, 30.01% of parameters removed
selection rule	`gap_iter`
restore budget	1.000% of dense parameters
components restored	8480
components swapped out	8480
resulting parameter fraction	0.6999
seed	42
iterative rounds applied	8 of 10
per-round chunk	0.100% of dense parameters
parameters swapped in	55,797,760 (0.80% of dense projection parameters)
swap value	`insert` (insertion value only; sigma-ordered eviction)
checkpoint	intermediate round of a longer run

Measured

metric	value
AdvBench ASR (HarmBench judge)	0.1450
StrongREJECT ASR (HarmBench judge)	0.3750
Macro over-refusal (WildGuard)	0.0303

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: c4b76d7