/ 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
20 сен 2026

svd-safety-l3_remove50_swapgapiter_rankunit_b010

Генерация текстаТекст → текст3 профессии

Сжатый и экспериментально скорректированный чекпойнт Llama 3 предназначен для изучения влияния сжатия на безопасность и полезность диалоговой языковой модели.

274скачиваний за 30 дней0лайковвеса обновлены20 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 чекпойнт Jeesup на основе Meta-Llama-3-8B-Instruct: плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров, рассчитанная на диалог и генерацию текста. Веса сжаты методом SVD-LLM с удалением примерно 50% параметров, после чего применены 10 раундов перестановки параметров по правилу gap_iter для изучения восстановления поведения модели.

Модель создана для измерения компромисса между безопасностью и полезностью после сжатия и сравнения стратегии восстановления на тестах безопасности. Она принимает текстовые запросы и генерирует текст; базовая модель поддерживает контекст до 8192 токенов и ориентирована на английский язык.

Это исследовательский артефакт, а не универсальный ассистент для развёртывания. README предупреждает, что сжатие может ухудшать безопасное поведение; приведённые показатели включают долю успешных атак 0,0519 на AdvBench и 0,1597 на StrongREJECT, а также макродолю чрезмерных отказов 0,2216 на WildGuard. Лицензия — Llama 3 Community License.

Сценарии применения

  • сравнение безопасности модели до и после сжатия SVD
  • измерение устойчивости к вредоносным запросам на тестах безопасности
  • изучение влияния перестановки параметров на поведение LLM

Ограничения

Экспериментальный чекпойнт не предназначен для развёртывания как универсальный ассистент; сжатие может ухудшать безопасное поведение, поэтому результаты требуют самостоятельной оценки.

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_remove50_swapgapiter_rankunit_b010

A Llama-3-8B-Instruct checkpoint compressed with SVD-LLM to 50.0% of dense parameters, then edited by 10 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, 50.03% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored5358
components swapped out5358
resulting parameter fraction0.4997
seed42
iterative rounds applied10 of 10
per-round chunk0.100% of dense parameters
parameters swapped in69,744,640 (1.00% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0519
StrongREJECT ASR (HarmBench judge)0.1597
Macro over-refusal (WildGuard)0.2216
WikiText-2 perplexity98.3650

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
0307cd5

0 моделей