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_remove50_swapgapiter_b010_r02

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 3.1 8B Instruct для изучения влияния сжатия и замены компонентов на безопасность и полезность модели.

226скачиваний 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 Jeesup на основе Meta Llama 3.1 8B Instruct, сжатый методом SVD-LLM: удалено около 50% параметров плотной модели. Затем к нему применили два из десяти запланированных раундов параметрически нейтральной замены компонентов по правилу gap_iter, с бюджетом до 0,1% параметров за раунд. Модель использует архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов.

Чекпойнт создан для изучения того, как SVD-сжатие влияет на безопасное поведение модели и помогают ли правила выбора компонентов восстановить его. В README приведены результаты на тестах AdvBench, StrongREJECT и WildGuard. Модель не предназначена для обычного чат-развёртывания: отдельные варианты в исследовательской серии намеренно уступают исходной модели по безопасности, поэтому перед практическим использованием необходима самостоятельная оценка. Лицензия — Llama 3.1.

Сценарии применения

сравнение поведения Llama 3.1 до и после SVD-сжатия
измерение устойчивости к вредоносным запросам на бенчмарках безопасности
изучение влияния правил замены компонентов на отказы модели

Ограничения

Это исследовательский вариант, а не готовый универсальный ассистент; сжатие может ухудшать безопасность, а результаты конкретного чекпойнта требуют самостоятельной проверки.

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.9Разработка и данныеСтатистика, эксперименты и причинный анализAI помогает планировать эксперименты и делать статистически обоснованные выводы о связях и эффектах.18 задач2 881модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

svd-safety-l31_remove50_swapgapiter_b010_r02

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then edited by 2 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, 50.03% of parameters removed
selection rule	`gap_iter`
restore budget	1.000% of dense parameters
components restored	2600
components swapped out	2600
resulting parameter fraction	0.4997
seed	42
iterative rounds applied	2 of 10
per-round chunk	0.100% of dense parameters
parameters swapped in	13,947,904 (0.20% 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)	0.0700
StrongREJECT ASR (HarmBench judge)	0.0850
Macro over-refusal (WildGuard)	0.5436

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: fe52171