/ 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
18 сен 2026

svd-safety-llama3_8b_instruct_remove_30_seed3_jbbmixsft

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Llama 3 предназначен для изучения влияния SVD-сжатия на безопасность и полезность ответов.

262скачиваний за 30 дней0лайковвеса обновлены19 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 на базе Meta-Llama-3-8B-Instruct, сжатый методом SVD-LLM: удалено 30% параметров исходной модели, после чего восстановлено 0% компонентов. Модель разработана как часть исследования влияния SVD-сжатия на безопасность ответов и возможностей восстановления защитного поведения; это не универсальный чат-ассистент.

Чекпойнт предназначен для измерения компромиссов между безопасностью и полезностью при сжатии языковых моделей. В README приведены результаты оценок атак и избыточных отказов на AdvBench, StrongREJECT и WildGuard. Архитектура — плотная LlamaForCausalLM, объём — 7,5 млрд параметров, контекст — 8192 токена; модель работает с текстом и поддерживает диалоговый сценарий.

Модель экспериментальная и не предназначена для развёртывания как готовый ассистент: сжатие может ухудшать безопасное поведение, поэтому результаты следует интерпретировать как исследовательские измерения. Лицензия — Llama 3; применяются условия лицензии Meta Llama 3.

Сценарии применения

  • измерение влияния сжатия на безопасность ответов LLM
  • сравнение успешности атак на сжатые языковые модели
  • оценка избыточных отказов чат-модели
  • исследование восстановления защитного поведения после SVD-сжатия

Ограничения

Это экспериментальный исследовательский чекпойнт, не предназначенный для развёртывания как ассистент; сжатие может ухудшать безопасное поведение. Оценки приведены на ограниченном наборе бенчмарков и не гарантируют поведение модели в других сценариях.

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-llama3_8b_instruct_remove_30_seed3_jbbmixsft

A Llama-3-8B-Instruct checkpoint compressed with SVD-LLM to 70.0% of dense parameters, then given a 0.0% parameter budget of restored SVD components selected by the unknown rule.

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, 30.00% of parameters removed
selection ruleunknown
restore budget0.000% of dense parameters
components restored0
components swapped out0
resulting parameter fraction0.6999
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0250
StrongREJECT ASR (HarmBench judge)0.0256
Macro over-refusal (WildGuard)0.4777
WikiText-2 perplexity17.0613

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
d62137b

0 моделей