/ 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_r07

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 3.1 8B Instruct для изучения влияния сжатия на безопасность и полезность генерации текста.

234скачиваний 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 чекпойнт на основе Llama 3.1 8B Instruct от Meta, исследуемый в работе по сжатию моделей и сохранению безопасного поведения. Весовые параметры сжаты методом SVD-LLM до 50% исходного количества, после чего применено 7 из 10 раундов итеративной замены параметров по правилу gap_iter. Модель предназначена для генерации текста и диалогов; контекст составляет до 131 072 токенов, архитектура — плотная LlamaForCausalLM, формат весов — safetensors. В метаданных указано 7,5 млрд параметров.

Чекпойнт служит экспериментальным объектом для измерения компромиссов между сжатием, полезностью и безопасностью, а не универсальным чат-ассистентом. В тестах AdvBench показатель успешности атак составил 0,0000, StrongREJECT — 0,0300, а макроуровень чрезмерных отказов WildGuard — 0,6935. Модель унаследовала многоязычную основу Llama 3.1 Instruct; README не уточняет языковой охват именно этого чекпойнта. Лицензия — Llama 3.1.

Сценарии применения

  • Измерение устойчивости сжатой языковой модели к атакам на безопасность
  • Сравнение восстановления безопасного поведения после SVD-сжатия
  • Оценка чрезмерных отказов чат-модели
  • Исследовательское сравнение правил замены параметров при сжатии

Ограничения

Это исследовательский экспериментальный чекпойнт, не предназначенный для развертывания как универсальный ассистент. В тесте WildGuard зафиксирован высокий показатель чрезмерных отказов; результаты отдельных тестов безопасности не гарантируют безопасного поведения в других сценариях.

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_r07

A Llama-3.1-8B-Instruct checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then edited by 7 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 restored7869
components swapped out7869
resulting parameter fraction0.4997
seed42
iterative rounds applied7 of 10
per-round chunk0.100% of dense parameters
parameters swapped in48,123,904 (0.69% 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)0.0300
Macro over-refusal (WildGuard)0.6935

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
6db26b8

0 моделей