/ 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-llama3_8b_instruct_remove_40_seed3_jbbmixsft

Генерация текстаТекст → текст3 профессии

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

222скачиваний 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

Экспериментальный исследовательский чекпойнт на архитектуре Llama для изучения влияния SVD-сжатия на безопасность и полезность диалоговых моделей. Он основан на Meta-Llama-3-8B-Instruct и сжат методом SVD-LLM: удалено 40% параметров, после чего восстановлено 0% компонент по правилу отбора «unknown». В метаданных указаны 7,5 млрд параметров, контекст 8192 токена и формат safetensors.

Модель предназначена для измерения компромиссов между безопасностью и полезностью при сжатии, а не для обычного диалога или развёртывания в качестве ассистента. В README приведены результаты оценок атак и избыточных отказов на AdvBench, StrongREJECT и WildGuard. Эти показатели относятся к конкретному исследовательскому чекпойнту и не гарантируют безопасное поведение в других условиях. Лицензия — Llama 3; применяются её условия.

Сценарии применения

  • измерение изменения успешности атак после сжатия языковой модели
  • сравнение безопасности сжатых чекпойнтов Llama 3
  • оценка избыточных отказов в ответах модели
  • исследование компромисса между сжатием модели и её безопасным поведением

Ограничения

Это отдельный экспериментальный чекпойнт, который README не рекомендует использовать как универсального ассистента; сжатие может ухудшать безопасность, а результаты оценки не гарантируют поведение в иных сценариях. Перед применением требуется самостоятельная оценка.

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_40_seed3_jbbmixsft

A Llama-3-8B-Instruct checkpoint compressed with SVD-LLM to 60.0% 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, 40.00% of parameters removed
selection ruleunknown
restore budget0.000% of dense parameters
components restored0
components swapped out0
resulting parameter fraction0.5998
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0115
StrongREJECT ASR (HarmBench judge)0.0447
Macro over-refusal (WildGuard)0.4361
WikiText-2 perplexity27.5101

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
ba7e828

0 моделей