/ 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_r04

Генерация текстаТекст → текст3 профессии

Исследовательский вариант Llama 3.1, сжатый методом SVD и частично скорректированный для изучения влияния сжатия на безопасность и полезность.

219скачиваний 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 базе meta-llama/Llama-3.1-8B-Instruct, предназначенный для изучения влияния сжатия и восстановления параметров на безопасность и полезность языковых моделей. Модель с архитектурой LlamaForCausalLM была сжата методом SVD-LLM примерно до половины исходного числа параметров, после чего прошла 4 из 10 раундов итеративного обмена параметрами по правилу gap_iter. В метаданных указано 7,5 млрд параметров и контекст до 131 072 токенов.

Модель принимает текст и генерирует текст; метаданные также отмечают чат-возможности и интерфейс вызова инструментов. В README приведены результаты оценки успешности атак и чрезмерных отказов, а также указано, что этот вариант исследовательской сетки может быть намеренно ослаблен по безопасности. Он предназначен для экспериментов с компромиссами между сжатием, безопасностью и полезностью, а не для развёртывания в качестве универсального ассистента. Лицензия — Llama 3.1.

Сценарии применения

  • сравнение безопасности сжатых языковых моделей
  • оценка устойчивости к атакам на отказ от вредных запросов
  • измерение чрезмерных отказов модели
  • изучение восстановления поведения после сжатия параметров

Ограничения

Это экспериментальный чекпойнт из исследовательской сетки, а не готовый универсальный ассистент; отдельные варианты намеренно ослаблены по безопасности. Оцените его поведение самостоятельно перед использованием или выводами о безопасности.

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_r04

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then edited by 4 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 restored5042
components swapped out5042
resulting parameter fraction0.4997
seed42
iterative rounds applied4 of 10
per-round chunk0.100% of dense parameters
parameters swapped in27,893,760 (0.40% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.2150
StrongREJECT ASR (HarmBench judge)0.1700
Macro over-refusal (WildGuard)0.3605

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
2be78a3

0 моделей