/ 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_remove30_swapgapiter_b010_r04

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Llama 3 8B, сжатый SVD и частично скорректированный для исследования изменений безопасности и полезности.

207скачиваний 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

Jeesup подготовил исследовательский чекпойнт на базе Meta-Llama-3-8B-Instruct: плотная причинная языковая модель Llama с 7,5 млрд параметров и контекстом 8192 токена. Веса сжаты методом SVD-LLM: удалено 30,01% параметров; затем выполнены 4 из 10 раундов параметрически нейтральной замены компонентов по правилу gap_iter. Модель распространяется в формате safetensors и лицензирована по условиям Llama 3.

Чекпойнт создан для изучения того, как SVD-сжатие влияет на безопасность и полезность модели и могут ли выбранные правила отбора восстановить поведение. В README приведены результаты измерений отказов на AdvBench и StrongREJECT, а также избыточных отказов на WildGuard; модель не позиционируется как универсальный чат-ассистент.

Это экспериментальный объект исследования, а не готовый к развёртыванию помощник: отдельные варианты в серии намеренно ухудшают показатели безопасности, а полученные результаты не гарантируют безопасного поведения в реальных сценариях. Перед использованием необходимо самостоятельно оценить качество и риски.

Сценарии применения

  • сравнение безопасности сжатых языковых моделей
  • измерение устойчивости к атакам на чат-ассистентов
  • оценка избыточных отказов модели
  • исследование влияния SVD-сжатия на полезность ответов

Ограничения

Чекпойнт является экспериментальным и не предназначен для развёртывания как универсальный ассистент; отдельные варианты серии могут иметь ухудшенное поведение безопасности. Приведённые метрики ограничены указанными наборами оценки и не гарантируют безопасную работу в реальных условиях.

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_remove30_swapgapiter_b010_r04

A Llama-3-8B-Instruct checkpoint compressed with SVD-LLM to 70.0% of dense parameters, then edited by 4 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, 30.01% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored4604
components swapped out4604
resulting parameter fraction0.6999
seed42
iterative rounds applied4 of 10
per-round chunk0.100% of dense parameters
parameters swapped in27,893,760 (0.40% 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)0.0100
Macro over-refusal (WildGuard)0.6519

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
4640f18

0 моделей