/ 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
17 сен 2026

svd-safety-l3_remove20_swapgapiter_b010_r08

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый вариант Llama 3 предназначен для исследования изменений безопасности и полезности модели после сжатия весов.

225скачиваний за 30 дней0лайковвеса обновлены17 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 экспериментальный исследовательский чекпойнт на базе Meta-Llama-3-8B-Instruct, созданный для изучения влияния сжатия на безопасность и полезность языковых моделей. Веса сжаты методом SVD-LLM с удалением около 20% параметров, после чего выполнены 8 из 10 раундов итеративной перестановки параметров по правилу gap_iter. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов.

Чекпойнт предназначен для экспериментов по оценке устойчивости к вредоносным запросам и избыточным отказам после сжатия, а не для общего ассистентского применения. В README приведены результаты на AdvBench, StrongREJECT и WildGuard; они характеризуют отдельную экспериментальную конфигурацию и не гарантируют поведение в других сценариях. Для базовой модели заявлена поддержка английского языка. Лицензия — Llama 3.

Сценарии применения

  • оценка устойчивости сжатой языковой модели к вредоносным запросам
  • измерение частоты успешных атак на модель
  • анализ избыточных отказов после сжатия
  • сравнение правил восстановления поведения модели после SVD-сжатия

Ограничения

Это отдельная экспериментальная конфигурация, не предназначенная для использования как универсальный чат-ассистент. Результаты тестов безопасности ограничены указанными наборами и метриками; перед применением модель необходимо самостоятельно оценить.

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_remove20_swapgapiter_b010_r08

A Llama-3-8B-Instruct checkpoint compressed with SVD-LLM to 80.0% of dense parameters, then edited by 8 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/Meta-Llama-3-8B-Instruct
compressionSVD-LLM, 20.02% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored7536
components swapped out7536
resulting parameter fraction0.7998
seed42
iterative rounds applied8 of 10
per-round chunk0.100% of dense parameters
parameters swapped in55,794,688 (0.80% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0100
StrongREJECT ASR (HarmBench judge)0.0100
Macro over-refusal (WildGuard)0.3261

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
bab8153

0 моделей