/ 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_remove40_swapgapiter_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Llama 3.1 8B Instruct для исследования влияния SVD-сжатия и итеративной замены параметров на безопасность и качество генерации текста.

233скачиваний 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, предназначенный для изучения влияния сжатия на безопасность и полезность языковых моделей. Весовые параметры сжаты методом SVD-LLM примерно до 60% от исходного объёма, после чего выполнено 10 раундов итеративной замены параметров по правилу gap_iter.

Модель рассчитана на исследовательские измерения генерации текста и поведения в диалогах, а не на роль универсального чат-ассистента. В исследовании приводятся результаты тестов AdvBench, StrongREJECT и WildGuard; авторы отмечают рост успешности атак после сжатия и предупреждают, что отдельные варианты могут иметь намеренно ухудшенную безопасность. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 131 072 токенов. Для запуска указана библиотека Transformers и формат safetensors.

Модель является дообученной производной meta-llama/Llama-3.1-8B-Instruct и распространяется по лицензии Llama 3.1. Чекпойнт следует считать экспериментальным объектом и самостоятельно оценивать до использования; README не рекомендует рассматривать его как готового к развёртыванию ассистента.

Сценарии применения

  • сравнение безопасности сжатых языковых моделей
  • измерение успешности атак на генеративную модель
  • оценка чрезмерных отказов после сжатия
  • исследование восстановления поведения модели заменой параметров

Ограничения

Это исследовательский чекпойнт, не предназначенный для развёртывания как универсальный ассистент; некоторые варианты намеренно имеют ухудшенные показатели безопасности. Автор рекомендует самостоятельно оценить модель 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_remove40_swapgapiter_b010

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 60.0% of dense parameters, then edited by 10 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, 40.02% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored10846
components swapped out10846
resulting parameter fraction0.5998
seed42
iterative rounds applied10 of 10
per-round chunk0.100% of dense parameters
parameters swapped in69,749,760 (1.00% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.1135
StrongREJECT ASR (HarmBench judge)0.0511
Macro over-refusal (WildGuard)0.4370
WikiText-2 perplexity8139.2451

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
091553d

0 моделей