/ 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_r06

Генерация текстаТекст → текст3 профессии

Экспериментально сжатый и модифицированный вариант Llama 3.1 8B Instruct для исследования влияния компрессии на безопасность и полезность модели.

255скачиваний 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 экспериментальный чекпойнт Jeesup на базе Meta Llama 3.1 8B Instruct, предназначенный для изучения того, как сжатие влияет на безопасность языковых моделей и можно ли восстановить её отдельными изменениями параметров. Модель с архитектурой LlamaForCausalLM содержит 7,5 млрд параметров; в ней применено сжатие SVD-LLM до 60% от числа параметров исходной плотной модели, затем выполнено 6 из 10 раундов итеративного отбора параметров по правилу gap_iter. Модель принимает текст и генерирует текст, поддерживает диалоговый интерфейс и интерфейс вызова инструментов. Указанная длина контекста — 131 072 токена.

Чекпойнт представляет одну точку исследовательской сетки экспериментов по компромиссу между безопасностью и полезностью, а не универсального чат-ассистента. В README приведены показатели успешности атак на AdvBench и StrongREJECT и доля избыточных отказов на WildGuard; авторы предупреждают, что некоторые варианты в исследовании намеренно менее безопасны, чем исходная модель. Модель распространяется по лицензии Llama 3.1; перед применением её необходимо самостоятельно оценить.

Сценарии применения

  • сравнение устойчивости сжатых языковых моделей к вредоносным запросам
  • измерение успешности атак на модель в тестах безопасности
  • изучение влияния SVD-сжатия на поведение инструкционной модели
  • оценка компромисса между безопасностью и избыточными отказами

Ограничения

Это исследовательский чекпойнт, не предназначенный для развёртывания как универсальный ассистент; авторы отмечают ухудшение безопасности у некоторых вариантов относительно исходной модели. Результаты оценок относятся к указанным тестам и не заменяют самостоятельную проверку 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_r06

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 60.0% 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, 40.02% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored7066
components swapped out7066
resulting parameter fraction0.5998
seed42
iterative rounds applied6 of 10
per-round chunk0.100% of dense parameters
parameters swapped in41,852,928 (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)0.3700
StrongREJECT ASR (HarmBench judge)0.4000
Macro over-refusal (WildGuard)0.0990

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
1f459bd

0 моделей