/ 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_jbbmixsft

Генерация текстаТекст → текст3 профессии

Экспериментально сжатая на 50% версия Llama 3 8B Instruct для изучения влияния сжатия на безопасность и полезность диалоговой генерации.

172скачиваний 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 Jeesup на базе Meta Llama 3 8B Instruct, сжатый методом SVD-LLM: удалено 50% параметров плотной модели, а бюджет восстановленных SVD-компонентов составляет 0%. Модель использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; контекст — 8192 токена. В исследовании этот вариант служит для измерения того, как сжатие влияет на безопасность и полезность ответов. В README приведены показатели атак успешного обхода защит и чрезмерного отказа.

Чекпойнт не предназначен для использования как универсальный чат-ассистент или для непосредственного развёртывания: сжатие может ухудшать защитное поведение, а результаты относятся к конкретному экспериментальному варианту. Лицензия — Llama 3 Community License (llama3); применяйте её условия при использовании модели.

Сценарии применения

  • сравнение безопасности сжатых языковых моделей
  • измерение успешности атак на защитные механизмы
  • оценка чрезмерных отказов чат-модели
  • исследование восстановления поведения после сжатия SVD

Ограничения

Сжатие может ухудшать защитное поведение; README приводит измеренные показатели успешности атак и чрезмерных отказов. Модель заявлена как экспериментальный объект, а не готовый для развёртывания ассистент.

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_jbbmixsft

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)0.1173
StrongREJECT ASR (HarmBench judge)0.1629
Macro over-refusal (WildGuard)0.2829
WikiText-2 perplexity77.0670

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
a58e2ff

0 моделей