/ 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_remove50_swapgapiter_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 3 для изучения влияния сжатия и восстановления параметров на безопасность диалоговой модели.

433скачиваний 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_remove50_swapgapiter_b010 — исследовательский чекпойнт на базе Meta-Llama-3-8B-Instruct, подготовленный Jeesup для изучения влияния сжатия на безопасное поведение языковых моделей. Модель с архитектурой Llama и примерно 7,5 млрд параметров сжата методом Swift-SVD с восстановлением LoRA примерно до половины исходного числа параметров, после чего к ней применили 10 раундов итеративного обмена параметров по правилу gap_iter. Репозиторий содержит веса в формате safetensors; контекст — 8192 токена.

Чекпойнт предназначен для экспериментального измерения компромиссов между безопасностью и полезностью после сжатия, а не для общего диалогового применения. В карточке приведены результаты на тестах AdvBench, StrongREJECT и WildGuard, включая высокую долю избыточных отказов по метрике WildGuard. Эти измерения относятся к указанным бенчмаркам и не гарантируют поведение в других сценариях. Лицензия — Llama 3; применяются её условия.

Сценарии применения

  • оценка устойчивости безопасности после сжатия LLM
  • сравнение стратегий восстановления поведения модели после Swift-SVD
  • измерение успешности атак на диалоговую модель на AdvBench
  • анализ отказов и избыточных отказов на тестах безопасности
  • исследование влияния итеративного обмена параметров по правилу gap_iter

Ограничения

Это экспериментальный объект исследования, а не универсальный чат-ассистент; результаты безопасности ограничены указанными бенчмарками. По WildGuard измерена высокая доля избыточных отказов, поэтому поведение и полезность следует оценивать отдельно для целевого применения.

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_remove50_swapgapiter_b010

A Llama-3-8B-Instruct checkpoint compressed with Swift-SVD with LoRA recovery (base checkpoint Jeesup/svd-safety-l3_swift_remove50) 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
compressionSwift-SVD with LoRA recovery (base checkpoint Jeesup/svd-safety-l3_swift_remove50), 49.97% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored10172
components swapped out10172
resulting parameter fraction0.5003
seed42
iterative rounds applied10 of 10
per-round chunk0.100% of dense parameters
parameters swapped in62,182,400 (0.89% 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)0.0000
StrongREJECT ASR (HarmBench judge)0.0128
Macro over-refusal (WildGuard)0.9298
WikiText-2 perplexity838.0959

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
e1af2b1

0 моделей