/ 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_r03

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый и частично модифицированный чекпойнт Llama 3.1 8B Instruct для исследования влияния сжатия на безопасность и полезность языковых моделей.

297скачиваний 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 контрольный чекпойнт на основе Meta Llama 3.1 8B Instruct, сжатый методом SVD-LLM и частично изменённый итеративным подбором параметров по правилу gap_iter. В модели оставлено 60% плотных параметров; описанный вариант прошёл 3 из 10 запланированных раундов отбора. Архитектура — плотная LlamaForCausalLM, размер — около 7,5 млрд параметров, контекст — до 131 072 токенов. Модель принимает текст и генерирует текст; базовая модель предназначена для многоязычных диалогов и генерации текста.

Чекпойнт создан для изучения того, как сжатие влияет на безопасное поведение языковой модели и могут ли изменения отдельных компонентов восстановить его. В README приведены результаты на тестах безопасности и чрезмерных отказов: AdvBench ASR — 0,0000, StrongREJECT ASR — 0,0500, Macro over-refusal — 0,4046. Это отдельная экспериментальная точка в исследовательской сетке, а не универсальный чат-ассистент; качество и безопасность следует оценивать для конкретного применения. Лицензия — Llama 3.1.

Сценарии применения

  • сравнение безопасности сжатых языковых моделей
  • оценка успешности атак на модель по тестам безопасности
  • измерение чрезмерных отказов после сжатия
  • исследование восстановления безопасного поведения языковой модели

Ограничения

Это экспериментальный чекпойнт для измерения компромиссов между безопасностью и полезностью, а не готовый универсальный ассистент. В README отмечено, что сжатие может ухудшать безопасность; перед применением необходимо самостоятельно оценить поведение модели.

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_r03

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 60.0% 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, 40.02% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored3738
components swapped out3738
resulting parameter fraction0.5998
seed42
iterative rounds applied3 of 10
per-round chunk0.100% of dense parameters
parameters swapped in20,924,416 (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)0.0000
StrongREJECT ASR (HarmBench judge)0.0500
Macro over-refusal (WildGuard)0.4046

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
7f98573

0 моделей