/ 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_swift_jbbsft1_remove40

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый и восстановленный чекпойнт Mistral-7B-Instruct-v0.2 для изучения влияния сжатия на безопасность и полезность генеративных языковых моделей.

204скачиваний 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 исследовательский чекпойнт на базе Mistral-7B-Instruct-v0.2, созданный в рамках исследования влияния сжатия на безопасность и полезность языковых моделей. Разработчик применил Swift-SVD с динамическим распределением рангов и сократил число параметров примерно на 40%, после чего восстановил модель методом SVD-LLM с последовательным дообучением LoRA-компонентов U и V. Итоговая архитектура — плотная MistralForCausalLM; модель содержит 7,1 млрд параметров, использует формат safetensors и рассчитана на контекст до 32 768 токенов.

Модель предназначена для экспериментов с компромиссами между сжатием, полезностью и безопасностью, а также для сравнения стратегий восстановления поведения после сжатия. В README приведены результаты оценок отказов и успешности атак на наборах AdvBench, StrongREJECT и WildGuard. Это отдельная экспериментальная ячейка исследования, а не универсальный чат-ассистент; отдельные варианты в серии намеренно имеют ухудшенную безопасность. Лицензия — Apache-2.0.

Сценарии применения

  • сравнение стратегий сжатия языковых моделей
  • оценка влияния сжатия на безопасность ответов
  • измерение успешности атак на диалоговую модель
  • исследование восстановления поведения модели после сжатия

Ограничения

README характеризует чекпойнт как экспериментальный объект, а не модель для развёртывания; безопасность отдельных вариантов намеренно ухудшена относительно базовой модели. Перед использованием следует самостоятельно оценивать безопасность и полезность.

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_swift_jbbsft1_remove40

A Mistral-7B-Instruct-v0.2 checkpoint compressed with Swift-SVD (dynamic rank allocation, alpha 0.6, 256 x 2048 WikiText2 calibration) to 60.0% of dense parameters, then recovered with SVD-LLM's stage-2 LoRA (sequential U then V, alpaca_cleaned_jbbsft_x1.json, r=8, alpha=16, 2 epochs per half, lr 0.0001, batch 64, cutoff 256).

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
compressionSwift-SVD (dynamic rank allocation, alpha 0.6, 256 x 2048 WikiText2 calibration), 40.00% of parameters removed
resulting parameter fraction0.6003
seed42
per-matrix ranksSwift-SVD allocation (compression.json ranks)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0712
StrongREJECT ASR (HarmBench judge)0.1118
Macro over-refusal (WildGuard)0.2368
WikiText-2 perplexity10.6436

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
1e6b98f

0 моделей