/ 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_50_seed3_jbbmix_calib

Генерация текстаТекст → текст3 профессии

Экспериментальный вариант Meta-Llama-3-8B-Instruct, сжатый SVD-LLM для изучения влияния сжатия на безопасность и полезность генерации текста.

253скачиваний 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 чекпойнт Jeesup на основе Meta-Llama-3-8B-Instruct, сжатый методом SVD-LLM до 50% исходного числа параметров. Веса предназначены для исследования того, как SVD-сжатие влияет на безопасность ответов и как выбор компонентов для восстановления меняет компромисс между безопасностью и полезностью; это одна конфигурация в серии экспериментов, а не универсальный чат-ассистент.

Модель сохраняет архитектуру Llama для генерации текста и диалогового взаимодействия. В README приведены результаты проверок безопасности: доля успешных атак составила 0,4519 на AdvBench и 0,4728 на StrongREJECT, а показатель чрезмерных отказов — 0,0654 на WildGuard. Эти результаты относятся к указанным оценкам и не гарантируют поведение в других сценариях.

Чекпойнт предназначен для исследовательских измерений компромисса между сжатием, полезностью и безопасностью. README предупреждает, что сжатие может ухудшать защиту от атак, поэтому модель не следует считать готовым к внедрению ассистентом. Лицензия — Llama 3; применяются её условия.

Сценарии применения

  • оценка устойчивости сжатой LLM к атакам на безопасность
  • сравнение поведения модели до и после SVD-сжатия
  • измерение доли успешных атак на AdvBench и StrongREJECT
  • анализ чрезмерных отказов на тестах безопасности
  • исследование компромисса между сжатием и полезностью чат-модели

Ограничения

README характеризует чекпойнт как экспериментальный объект, а не готового ассистента; сжатие может ухудшать устойчивость к вредоносным запросам. Результаты безопасности приведены только для нескольких конкретных наборов и оценок.

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_50_seed3_jbbmix_calib

A Llama-3-8B-Instruct checkpoint compressed with SVD-LLM to 50.0% 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, 50.00% of parameters removed
selection ruleunknown
restore budget0.000% of dense parameters
components restored0
components swapped out0
resulting parameter fraction0.4997
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.4519
StrongREJECT ASR (HarmBench judge)0.4728
Macro over-refusal (WildGuard)0.0654
WikiText-2 perplexity64.8741

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
c889005

0 моделей