/ 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
18 сен 2026

svd-safety-l3_remove40_swapgapiter_b010_r03

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 3 для изучения влияния сжатия и замен параметров на безопасность ответов.

216скачиваний за 30 дней0лайковвеса обновлены18 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

Экспериментальный исследовательский чекпойнт Jeesup на основе Meta-Llama-3-8B-Instruct. Модель с архитектурой Llama и примерно 7,5 млрд параметров сжата методом SVD-LLM: удалено около 40% параметров. Затем к ней применили три раунда из десяти итеративной замены параметров по правилу gap_iter; это один вариант в сетке экспериментов по правилам отбора и бюджетам изменений.

Чекпойнт предназначен для измерения влияния сжатия на безопасность и полезность ответов, а также для изучения методов восстановления поведения модели. В README приведены результаты на AdvBench, StrongREJECT и WildGuard. Контекст составляет 8192 токена; модель поддерживает диалоговую генерацию текста. Это исследовательский артефакт, а не универсальный чат-ассистент и не модель для развёртывания без отдельной оценки. По лицензии Llama 3.

Сценарии применения

  • сравнение безопасности ответов до и после сжатия LLM
  • оценка устойчивости к вредоносным запросам на AdvBench и StrongREJECT
  • изучение влияния SVD-сжатия на поведение чат-модели
  • исследование восстановления поведения модели заменой параметров
  • сравнение правил отбора параметров и бюджетов изменений

Ограничения

README указывает, что сжатие повышает долю успешных атак и что некоторые варианты намеренно имеют ухудшенную безопасность; этот чекпойнт предназначен для экспериментов, а не для использования как готовый ассистент. Перед любым применением необходимо самостоятельно оценить безопасность и полезность.

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_remove40_swapgapiter_b010_r03

A Llama-3-8B-Instruct checkpoint compressed with SVD-LLM to 60.0% of dense parameters, then edited by 3 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, 40.02% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored3776
components swapped out3776
resulting parameter fraction0.5998
seed42
iterative rounds applied3 of 10
per-round chunk0.100% of dense parameters
parameters swapped in20,922,368 (0.30% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)
checkpointintermediate round of a longer run

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.5300
StrongREJECT ASR (HarmBench judge)0.6450
Macro over-refusal (WildGuard)0.0154

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
003233d

0 моделей