/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B-Instruct
Библиотека
transformers
Опубликована
22 сен 2026

svd-safety-l3_basis_jbbsftx1_remove50

Генерация текстаТекст → текст3 профессии

Исследовательский чекпойнт Llama 3 8B Instruct, сжатый Basis Sharing и дообученный для изучения компромиссов между сжатием, полезностью и безопасностью генерации.

340скачиваний 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

Это исследовательский чекпойнт Jeesup на основе Meta Llama 3 8B Instruct, сжатый методом Basis Sharing: базисы совместно используются для групп из двух соседних слоёв, что сокращает число параметров примерно до половины от исходного. После сжатия модель восстановили дообучением только коэффициентов LoRA, сохранив общий бюджет параметров и базисы. В репозитории указано 7,5 млрд параметров, архитектура LlamaForCausalLM, формат safetensors и контекст до 8192 токенов.

Модель создана для изучения влияния SVD-сжатия на безопасность и полезность ответов, а также сравнения правил выбора компонентов для восстановления поведения. Она поддерживает генерацию текста и диалоговый режим. В README приведены измерения на наборах AdvBench, StrongREJECT и WildGuard; модель не позиционируется как универсальный ассистент для развёртывания.

Ограничения: отдельные варианты в исследовательской сетке намеренно демонстрируют ухудшение безопасности после сжатия; результаты этой конфигурации требуют самостоятельной оценки и не подтверждают пригодность к практическому использованию. Лицензия — Llama 3 License.

Сценарии применения

  • измерение влияния сжатия на защиту от вредоносных запросов
  • сравнение методов восстановления безопасности после сжатия языковой модели
  • оценка компромисса между сжатием параметров и качеством ответов
  • исследование отказов и чрезмерных отказов диалоговой модели

Ограничения

Это экспериментальный исследовательский чекпойнт, а не готовый универсальный ассистент; сжатие может ухудшать защитное поведение. Перед практическим применением необходима отдельная оценка безопасности и полезности.

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-l3_basis_jbbsftx1_remove50

A Llama-3-8B-Instruct checkpoint compressed with Basis Sharing (ICLR 2025; shared bases over groups of 2 adjacent layers) to 50.0% of dense parameters, then recovered with a coefficient-only LoRA fine-tune that keeps both the parameter budget and the shared bases exactly.

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/Meta-Llama-3-8B-Instruct
compressionBasis Sharing (ICLR 2025; shared bases over groups of 2 adjacent layers), 50.00% of parameters removed
resulting parameter fraction0.4999
seed42
recoveryLoRA r=8 on the per-layer coefficients only (bases frozen, budget unchanged), 2 epochs, lr 0.0001, batch 64, alpaca-cleaned

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.2250
StrongREJECT ASR (HarmBench judge)0.1821
Macro over-refusal (WildGuard)0.2192
WikiText-2 perplexity25.1701

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-3-8B-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

Meta Llama 3 Community License. LICENSE and USE_POLICY.md are included in this repository, and use of this derivative is bound by them. Built with Meta Llama 3.

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
a818951

0 моделей