/ 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_remove40

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый и восстановленный вариант Llama 3.1 8B Instruct для исследования влияния сжатия на безопасность и полезность языковых моделей.

424скачиваний 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_remove40 — исследовательский чекпойнт Jeesup на основе Meta Llama 3.1 8B Instruct. Веса сжаты методом Swift-SVD: удалено 40% параметров, осталось около 60% исходного количества. Затем модель восстановлена с помощью второго этапа SVD-LLM и LoRA-дообучения на очищенном наборе Alpaca. Архитектура — плотная LlamaForCausalLM; размер около 7,5 млрд параметров, контекст — до 131 072 токенов. Репозиторий содержит веса Safetensors; метаданные указывают лицензию Llama 3.1.

Чекпойнт предназначен для изучения влияния SVD-сжатия на безопасность и полезность языковой модели и оценки способов восстановления её поведения. Это отдельный вариант в исследовательской сетке, а не универсальный чат-ассистент. Для него опубликованы результаты оценки атак на AdvBench и StrongREJECT и оценки избыточных отказов WildGuard; README предупреждает, что сжатие может ухудшать защиту и повышать успешность атак. Перед любым практическим применением необходима самостоятельная оценка безопасности.

Сценарии применения

  • сравнение безопасности модели до и после SVD-сжатия
  • оценка успешности атак на языковые модели
  • изучение восстановления поведения модели с помощью LoRA
  • исследование компромисса между безопасностью и полезностью модели

Ограничения

README характеризует чекпойнт как экспериментальный объект, а не модель для развёртывания; сжатие может ухудшать защитное поведение и повышать успешность атак. Результаты измерений относятся к конкретным тестам и сами по себе не подтверждают безопасность 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_swift_remove40

A Llama-3.1-8B-Instruct checkpoint compressed with Swift-SVD (dynamic rank allocation, alpha 0.6, 256 x 2048 WikiText2 calibration) to 60.0% 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), 40.00% of parameters removed
resulting parameter fraction0.6003
seed42
per-matrix ranksSwift-SVD allocation (compression.json ranks)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.5692
StrongREJECT ASR (HarmBench judge)0.4185
Macro over-refusal (WildGuard)0.0656
WikiText-2 perplexity22.5577

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
6af81be

0 моделей