/ 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
21 сен 2026

svd-safety-l3_swift_remove30_swapgapiter_rankunit_b010

Генерация текстаТекст → текст3 профессии

Экспериментальная сжатая и модифицированная Llama-3-8B-Instruct для изучения влияния сжатия на безопасность ответов.

296скачиваний 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 основе Meta-Llama-3-8B-Instruct, сжатый методом Swift-SVD с восстановлением LoRA и дополнительно изменённый в 10 раундов итеративного параметрически нейтрального обмена компонентами по правилу gap_iter. В модели удалено около 30% параметров: она сохраняет 70% от их исходного количества; архитектура — плотная LlamaForCausalLM примерно на 7,5 млрд параметров, формат весов — safetensors, контекст — 8192 токена.

Модель предназначена для экспериментального измерения компромисса между безопасностью и полезностью после сжатия, а также для сравнения правил выбора компонентов и восстановления поведения. В README приведены результаты на наборах AdvBench и StrongREJECT и оценка избыточных отказов WildGuard. Это не универсальный чат-ассистент и не предназначенный для развёртывания продукт: результаты нужно оценивать в рамках эксперимента. Лицензия — Llama 3.

Сценарии применения

  • сравнение безопасности сжатых языковых моделей
  • измерение успешности атак на модель после сжатия
  • оценка избыточных отказов в ответах
  • исследование восстановления поведения модели после Swift-SVD

Ограничения

Это экспериментальный объект исследования, а не готовый ассистент для развёртывания; README отмечает, что сжатие может ухудшать безопасное поведение. Перед использованием следует самостоятельно оценить компромисс между безопасностью и полезностью.

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_remove30_swapgapiter_rankunit_b010

A Llama-3-8B-Instruct checkpoint compressed with Swift-SVD with LoRA recovery (base checkpoint Jeesup/svd-safety-l3_swift_remove30) to 70.0% 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
compressionSwift-SVD with LoRA recovery (base checkpoint Jeesup/svd-safety-l3_swift_remove30), 29.97% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored4803
components swapped out4803
resulting parameter fraction0.7003
seed42
iterative rounds applied10 of 10
per-round chunk0.100% of dense parameters
parameters swapped in69,735,424 (1.00% of dense projection parameters)
evictionmatrix-local (each insertion evicts a component of the same matrix)
candidate rankingsafety value alone (--rank-cost unit)
swap valueinsert (insertion value only; sigma-ordered eviction)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0250
StrongREJECT ASR (HarmBench judge)0.0511
Macro over-refusal (WildGuard)0.2136
WikiText-2 perplexity18.9060

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
9162740

0 моделей