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

Ссылки

svd-safety-mistral_keep60_disc_b001

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Mistral-7B-Instruct-v0.2 для изучения влияния SVD-сжатия на безопасность и полезность ответов языковой модели.

153скачиваний 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 экспериментальный чекпойнт Jeesup на базе диалоговой Mistral-7B-Instruct-v0.2, созданный для изучения влияния сжатия SVD на безопасность и полезность языковых моделей. Веса сжаты методом SVD-LLM до 60,1% от плотной модели; затем восстановлены компоненты SVD с бюджетом 0,1%, отобранные по правилу disc. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов.

Чекпойнт предназначен для исследовательского сравнения способов восстановления поведения после сжатия, включая измерение устойчивости к вредоносным запросам и склонности к чрезмерным отказам. В README приведены результаты на AdvBench, StrongREJECT и WildGuard. Это не универсальный чат-ассистент: авторы отмечают, что сжатие может ухудшать защитное поведение, поэтому модель следует рассматривать как экспериментальный объект, а не готовую к развертыванию систему. Лицензия — Apache-2.0.

Сценарии применения

сравнение методов восстановления поведения модели после SVD-сжатия
измерение успешности атак на сжатые языковые модели
оценка чрезмерных отказов в ответах модели
исследование компромисса между сжатием, полезностью и безопасностью

Ограничения

Чекпойнт является экспериментальным образцом, а не готовым универсальным ассистентом; сжатие может ухудшать защитное поведение, и результаты конкретной конфигурации требуют самостоятельной оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

svd-safety-mistral_keep60_disc_b001

A Mistral-7B-Instruct-v0.2 checkpoint compressed with SVD-LLM to 60.1% of dense parameters, then given a 0.1% parameter budget of restored SVD components selected by the disc 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

field	value
base (uncompressed)	`mistralai/Mistral-7B-Instruct-v0.2`
compression	SVD-LLM, 39.92% of parameters removed
selection rule	`disc`
restore budget	0.100% of dense parameters
components restored	1255
components swapped out	0
resulting parameter fraction	0.6008
seed	42

Measured

metric	value
AdvBench ASR (HarmBench judge)	0.4423
StrongREJECT ASR (HarmBench judge)	0.4281
Macro over-refusal (WildGuard)	0.0881
WikiText-2 perplexity	10.3347

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: 25f4528