/ 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
19 сен 2026

svd-safety-l3_swift_jbbcal2_remove30

Генерация текстаТекст → текст3 профессии

Экспериментальная сжатая и восстановленная LoRA версия Llama 3 8B Instruct для исследования влияния сжатия на безопасность ответов.

237скачиваний 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 базе Meta-Llama-3-8B-Instruct, сжатый методом Swift-SVD: удалено 30% параметров, после чего модель восстановлена последовательным LoRA-дообучением по схеме SVD-LLM. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 7,5 млрд параметров и имеет контекст до 8192 токенов. Репозиторий распространяет веса в формате safetensors.

Чекпойнт предназначен для изучения того, как SVD-сжатие влияет на безопасность и полезность ответов, а также насколько LoRA-восстановление меняет эти эффекты. В README приведены результаты оценок атак на безопасность и чрезмерных отказов; это экспериментальная точка в исследовательской сетке, а не универсальный разговорный ассистент. Модель принимает текст и генерирует текст; базовая модель рассчитана на диалоги преимущественно на английском языке. Лицензия — Llama 3, с условиями использования Meta для этой лицензии.

Сценарии применения

  • сравнение безопасности ответов до и после сжатия LLM
  • оценка устойчивости чат-модели к вредоносным запросам
  • измерение чрезмерных отказов после сжатия модели
  • исследование восстановления поведения модели с помощью LoRA

Ограничения

README характеризует чекпойнт как экспериментальный объект, а не готового ассистента; сжатие может ухудшать защиту от вредоносных запросов. Перед практическим использованием необходима самостоятельная 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_swift_jbbcal2_remove30

A Llama-3-8B-Instruct checkpoint compressed with Swift-SVD (dynamic rank allocation, alpha 0.6, 256 x 2048 WikiText2 + 2 x 2048 jbb_harmful calibration) to 70.0% of dense parameters, then recovered with SVD-LLM's stage-2 LoRA (sequential U then V, alpaca-cleaned, r=8, alpha=16, 2 epochs per half, lr 0.0001, batch 64, cutoff 256).

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
compressionSwift-SVD (dynamic rank allocation, alpha 0.6, 256 x 2048 WikiText2 + 2 x 2048 jbb_harmful calibration), 30.00% of parameters removed
resulting parameter fraction0.7003
seed42
per-matrix ranksSwift-SVD allocation (compression.json ranks)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0962
StrongREJECT ASR (HarmBench judge)0.1470
Macro over-refusal (WildGuard)0.1436
WikiText-2 perplexity17.7418

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
646cb55

0 моделей