/ 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
14 сен 2026

svd-safety-mistral_keep50_gap_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый вариант Mistral-7B-Instruct-v0.2 для изучения влияния SVD-сжатия и восстановления компонентов на безопасность диалоговой модели.

312скачиваний за 30 дней0лайковвеса обновлены14 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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 основе Mistral-7B-Instruct-v0.2, сжатый методом SVD-LLM и дополненный восстановленными SVD-компонентами, выбранными по правилу gap. В результате осталось 51% исходного числа параметров, а бюджет восстановления составил 1%. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов.

Чекпойнт предназначен для измерения влияния сжатия на безопасность и полезность диалоговой модели, а также для изучения восстановления поведения после сжатия. В README приведены результаты оценок отказов и успешности атак на AdvBench и StrongREJECT, а также избыточных отказов на WildGuard. Это отдельный экспериментальный вариант из набора правил и бюджетов, а не универсальный помощник.

Модель принимает текст и генерирует текст. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0. README предупреждает, что поведение безопасности может быть ухудшено сжатием и рекомендует самостоятельно оценивать чекпойнт перед использованием; результаты конкретных бенчмарков не гарантируют безопасность в других сценариях.

Сценарии применения

  • измерение изменения безопасности Mistral после SVD-сжатия
  • сравнение правил восстановления SVD-компонентов
  • оценка устойчивости к атакам на безопасность по AdvBench и StrongREJECT
  • измерение избыточных отказов на WildGuard
  • исследование компромисса между сжатием модели и её поведением

Ограничения

Это экспериментальный вариант, не предназначенный для развёртывания как универсальный помощник; сжатие может ухудшить поведение безопасности. Результаты на указанных бенчмарках не гарантируют аналогичного поведения в других сценариях.

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-mistral_keep50_gap_b010

A Mistral-7B-Instruct-v0.2 checkpoint compressed with SVD-LLM to 51.0% of dense parameters, then given a 1.0% parameter budget of restored SVD components selected by the gap 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)mistralai/Mistral-7B-Instruct-v0.2
compressionSVD-LLM, 49.03% of parameters removed
selection rulegap
restore budget1.000% of dense parameters
components restored8474
components swapped out0
resulting parameter fraction0.5097
seed42

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0096
StrongREJECT ASR (HarmBench judge)0.0288
Macro over-refusal (WildGuard)0.4530
WikiText-2 perplexity12.6704

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

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
MistralForCausalLM
Ревизия весов
f8b878c

0 моделей