/ 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_remove50_swapgapiter_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Llama 3.1 8B Instruct, сжатый методом SVD и модифицированный для исследования безопасности и полезности сжатых языковых моделей.

260скачиваний 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 исследовательский чекпойнт на базе Llama 3.1 8B Instruct, созданный для изучения влияния сжатия на безопасность модели и восстановления её поведения. Разработчик применил SVD-LLM, сократив число параметров примерно на 50%, а затем провёл 10 итераций перестановки параметров по правилу gap_iter. Модель содержит 7,5 млрд параметров, использует архитектуру Llama и формат safetensors; заявленная длина контекста — 131 072 токена. Она принимает текст и генерирует текст, поддерживает диалоговый интерфейс и интерфейс вызова инструментов.

Модель предназначена для сравнения компромиссов между безопасностью и полезностью в экспериментах со сжатием, а не для работы в качестве универсального чат-ассистента. В README приведены результаты проверки на AdvBench, StrongREJECT и WildGuard; в частности, измеренный показатель чрезмерных отказов WildGuard составляет 0,7471. Чекпойнт может демонстрировать ухудшенное поведение безопасности, поэтому результаты требуют самостоятельной оценки. Лицензия — Llama 3.1.

Сценарии применения

  • измерение влияния сжатия весов на безопасные ответы
  • сравнение стратегий восстановления поведения после SVD-сжатия
  • оценка отказов и устойчивости к вредоносным запросам
  • исследование компромиссов безопасности и полезности языковых моделей

Ограничения

Это исследовательский чекпойнт, не предназначенный для развёртывания как универсальный ассистент; сжатие может ухудшать безопасность, а результаты отдельных тестов не гарантируют безопасного поведения в других сценариях. Проверьте модель самостоятельно 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_remove50_swapgapiter_b010

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 50.0% 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, 50.03% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored10323
components swapped out10323
resulting parameter fraction0.4997
seed42
iterative rounds applied10 of 10
per-round chunk0.100% of dense parameters
parameters swapped in64,333,824 (0.92% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0000
StrongREJECT ASR (HarmBench judge)0.0096
Macro over-refusal (WildGuard)0.7471
WikiText-2 perplexity42290.6719

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
cea1e36

0 моделей