/ 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_swift_remove20

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый и восстановленный вариант Llama-3.1-8B-Instruct для измерения влияния сжатия параметров на безопасность и полезность модели.

343скачиваний за 30 дней0лайковвеса обновлены22 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Jeesup/svd-safety-l31_swift_remove20 — экспериментальный чекпойнт на основе Llama-3.1-8B-Instruct от Meta. Модель с архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и предназначена для исследований влияния сжатия весов на безопасность и полезность диалоговой языковой модели. После сжатия Swift-SVD с динамическим распределением рангов удалено около 20% параметров; восстановление выполнено методом SVD-LLM с LoRA-дообучением на Alpaca-cleaned.

Модель генерирует текст и поддерживает диалоговый интерфейс. Контекст составляет до 131 072 токенов. В README приведены оценки атакоустойчивости и чрезмерных отказов на AdvBench, StrongREJECT и WildGuard. Это отдельный вариант в исследовательской сетке экспериментов, а не универсальный чат-ассистент: сжатие может ухудшать поведение безопасности, поэтому результаты требуют самостоятельной оценки. Лицензия — Llama 3.1 Community License.

Сценарии применения

  • измерение устойчивости модели к вредоносным запросам после сжатия
  • сравнение показателей безопасности с базовой Llama-3.1-8B-Instruct
  • оценка чрезмерных отказов после сжатия и восстановления
  • исследование компромисса между сжатием языковой модели и её безопасностью

Ограничения

Это исследовательский вариант, а не готовый универсальный ассистент; сжатие может ухудшать безопасность. README предупреждает о необходимости самостоятельно оценивать модель 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_swift_remove20

A Llama-3.1-8B-Instruct checkpoint compressed with Swift-SVD (dynamic rank allocation, alpha 0.6, 256 x 2048 WikiText2 calibration) to 80.0% of dense parameters, then recovered with SVD-LLM's stage-2 LoRA (sequential U then V, alpaca-cleaned, r=8, alpha=16, 2 epochs per half, lr 0.0001, batch 64, cutoff 256).

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
compressionSwift-SVD (dynamic rank allocation, alpha 0.6, 256 x 2048 WikiText2 calibration), 20.00% of parameters removed
resulting parameter fraction0.8004
seed42
per-matrix ranksSwift-SVD allocation (compression.json ranks)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0288
StrongREJECT ASR (HarmBench judge)0.0639
Macro over-refusal (WildGuard)0.2066
WikiText-2 perplexity11.6668

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

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
571cf27

0 моделей