/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-Instruct-v0.2
Библиотека
transformers
Опубликована
22 сен 2026

svd-safety-mis7_basis_jbbsftx1_remove40

Генерация текстаТекст → текст3 профессии

Экспериментальная сжатая и восстановленная дообучением версия Mistral-7B-Instruct-v0.2 для изучения влияния сжатия на безопасность и полезность диалоговых моделей.

217скачиваний 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

Это экспериментальный чекпойнт Jeesup на базе Mistral-7B-Instruct-v0.2, подготовленный для исследования влияния сжатия на безопасность и полезность языковых моделей. Модель использует архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; доступна в формате safetensors и рассчитана на диалоговую генерацию текста.

Веса сжаты методом Basis Sharing: общие базисы используются для групп из двух соседних слоёв, что удаляет около 40% параметров. Затем модель восстановлена дообучением LoRA только коэффициентов, сохраняя общий базис и бюджет параметров. Чекпойнт предназначен для экспериментов по измерению компромиссов между безопасностью и полезностью, а не для обычного применения в качестве чат-ассистента. В README приведены показатели атак и избыточных отказов на нескольких наборах оценки.

Модель может быть намеренно менее безопасной, чем исходная Mistral-7B-Instruct-v0.2; результаты зависят от конкретного варианта сжатия и требуют самостоятельной оценки перед использованием. Лицензия — Apache-2.0.

Сценарии применения

  • оценка безопасности сжатых языковых моделей
  • измерение успешности атак на диалоговую модель
  • сравнение методов восстановления поведения после сжатия
  • исследование компромисса между безопасностью и избыточными отказами

Ограничения

Чекпойнт является экспериментальным и не предназначен для развёртывания как универсальный чат-ассистент; сжатие может ухудшать безопасное поведение, включая повышение успешности атак. Перед использованием необходимо самостоятельно оценить безопасность и полезность модели.

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-mis7_basis_jbbsftx1_remove40

A Mistral-7B-Instruct-v0.2 checkpoint compressed with Basis Sharing (ICLR 2025; shared bases over groups of 2 adjacent layers) to 60.0% of dense parameters, then recovered with a coefficient-only LoRA fine-tune that keeps both the parameter budget and the shared bases exactly.

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)mistralai/Mistral-7B-Instruct-v0.2
compressionBasis Sharing (ICLR 2025; shared bases over groups of 2 adjacent layers), 40.00% of parameters removed
resulting parameter fraction0.5999
seed42
recoveryLoRA r=8 on the per-layer coefficients only (bases frozen, budget unchanged), 2 epochs, lr 0.0001, batch 64, alpaca-cleaned

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0500
StrongREJECT ASR (HarmBench judge)0.1629
Macro over-refusal (WildGuard)0.1725
WikiText-2 perplexity9.6118

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 Mistral-7B-Instruct-v0.2: 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

Apache License 2.0. The base model's repository ships no licence file to redistribute; the licence above governs this derivative.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
b249131

0 моделей