/ 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_remove40_swapgapiter_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 3 8B Instruct для изучения влияния сжатия и перестановки параметров на безопасность ответов.

462скачиваний 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

Jeesup/svd-safety-l3_swift_remove40_swapgapiter_b010 — экспериментальный исследовательский чекпойнт на базе Meta Llama 3 8B Instruct. Модель с архитектурой LlamaForCausalLM содержит 7,5 млрд параметров, принимает текст и генерирует текст; нативный контекст — 8192 токена. Она сжата методом Swift-SVD с восстановлением LoRA до 60% исходного числа параметров, после чего к ней применили десять раундов перестановки параметров по правилу gap_iter.

Чекпойнт создан для изучения того, как сжатие влияет на безопасность ответов и как выбор компонентов для восстановления меняет компромисс между безопасностью и полезностью. README приводит результаты оценок на AdvBench, StrongREJECT и WildGuard, но не заявляет о пригодности для обычного использования: это отдельный экспериментальный вариант сетки исследований, а не универсальный чат-ассистент. Модель предназначена для текстового диалога и генерации текста; сведения карточки указывают лицензию Llama 3.

Сценарии применения

  • Сравнение безопасности ответов сжатых языковых моделей
  • Оценка успешности атак на чат-модель по тестам безопасности
  • Изучение влияния Swift-SVD-сжатия на поведение ассистента

Ограничения

Это отдельный исследовательский вариант, а не модель общего назначения для развёртывания; сжатие может менять безопасность и полезность ответов. Перед использованием необходимо самостоятельно оценить её поведение.

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_remove40_swapgapiter_b010

A Llama-3-8B-Instruct checkpoint compressed with Swift-SVD with LoRA recovery (base checkpoint Jeesup/svd-safety-l3_swift_remove40) to 60.0% 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_remove40), 39.97% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored11077
components swapped out11077
resulting parameter fraction0.6003
seed42
iterative rounds applied10 of 10
per-round chunk0.100% of dense parameters
parameters swapped in69,678,080 (1.00% of dense projection parameters)
evictionmatrix-local (each insertion evicts a component of the same matrix)
swap valueinsert (insertion value only; sigma-ordered eviction)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0077
StrongREJECT ASR (HarmBench judge)0.0192
Macro over-refusal (WildGuard)0.6149
WikiText-2 perplexity97.3287

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
4eb7759

0 моделей