/ 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
21 сен 2026

svd-safety-mis7_swift_remove40_swapgapiter_rankunit_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Mistral-7B-Instruct-v0.2 для изучения того, как сжатие и перестановка параметров влияют на безопасность и полезность модели.

342скачиваний 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, подготовленный Jeesup для изучения влияния сжатия на безопасное поведение языковых моделей. Модель с архитектурой Mistral содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Веса сжаты методом Swift-SVD с восстановлением LoRA до 60% от плотного числа параметров, после чего проведено 10 раундов итеративной перестановки параметров по правилу gap_iter.

Модель предназначена для сравнительных экспериментов по компромиссу между безопасностью и полезностью, а также для измерения воздействия правил выбора компонентов при сжатии. В README приведены показатели успешности атак на AdvBench и StrongREJECT и доля избыточных отказов по WildGuard. Это отдельная точка экспериментальной сетки, а не универсальный чат-ассистент; автор предупреждает, что некоторые варианты в исследовании намеренно теряют часть защитного поведения. Лицензия — Apache-2.0.

Сценарии применения

  • измерение успешности атак на сжатую языковую модель
  • сравнение правил выбора параметров при восстановлении безопасности
  • оценка избыточных отказов после сжатия модели
  • исследование компромисса между сжатием и безопасным поведением

Ограничения

Это экспериментальный исследовательский артефакт, не предназначенный для развертывания как универсальный ассистент. Сжатие может ухудшать защитное поведение; перед использованием необходимо самостоятельно оценить безопасность и полезность чекпойнта.

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_remove40_swapgapiter_rankunit_b010

A Mistral-7B-Instruct-v0.2 checkpoint compressed with Swift-SVD with LoRA recovery (base checkpoint Jeesup/svd-safety-mis7_swift_remove40) to 60.0% of dense parameters, then edited by 10 of 10 rounds of iterative parameter-neutral swap selected by the gap_iter rule (up to 0.1% of dense parameters per round; the full run's budget is 1.0%).

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 with LoRA recovery (base checkpoint Jeesup/svd-safety-mis7_swift_remove40), 39.97% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored4990
components swapped out4990
resulting parameter fraction0.6003
seed42
iterative rounds applied10 of 10
per-round chunk0.100% of dense parameters
parameters swapped in69,742,592 (1.00% of dense projection parameters)
evictionmatrix-local (each insertion evicts a component of the same matrix)
candidate rankingsafety value alone (--rank-cost unit)
swap valueinsert (insertion value only; sigma-ordered eviction)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.1481
StrongREJECT ASR (HarmBench judge)0.1885
Macro over-refusal (WildGuard)0.1559
WikiText-2 perplexity10.6431

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
6bf0b89

0 моделей