/ 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
19 сен 2026

svd-safety-mistral_remove40_swapgapiter_evfront_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Mistral-7B для исследования компромиссов между сжатием модели и безопасностью ответов.

294скачиваний за 30 дней0лайковвеса обновлены19 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

Экспериментальный чекпойнт Jeesup на базе диалоговой Mistral-7B-Instruct-v0.2. Модель сжата методом SVD-LLM: удалено 40,02% параметров, оставлено 60% от плотной модели. Затем к ней применили 10 раундов параметрически нейтральных замен по правилу gap_iter с общим бюджетом до 1% исходных параметров.

Чекпойнт создан для изучения влияния SVD-сжатия на безопасность ответов и оценки восстановления поведения по разным правилам выбора компонентов. Это одна конфигурация исследовательской сетки, а не универсальный чат-ассистент. Модель использует архитектуру MistralForCausalLM, содержит 7,1 млрд параметров, работает с текстом и имеет контекст до 32 768 токенов.

В README приведены показатели атак на наборе AdvBench и StrongREJECT, а также переотказов по WildGuard; авторы отмечают, что сжатие может ухудшать безопасность и что отдельные варианты намеренно имеют сниженную устойчивость. Для практического развертывания модель не предназначена без самостоятельной оценки. Лицензия — Apache-2.0.

Сценарии применения

  • Измерение устойчивости сжатой LLM к вредоносным запросам
  • Сравнение правил восстановления поведения после SVD-сжатия
  • Оценка компромисса между сжатием и безопасностью ответов
  • Исследование отказов и переотказов диалоговой модели

Ограничения

Это исследовательский чекпойнт, не предназначенный авторами для использования как универсальный ассистент. Сжатие может ухудшать защиту от вредоносных запросов; перед любым применением необходима самостоятельная оценка поведения 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-mistral_remove40_swapgapiter_evfront_b010

A Mistral-7B-Instruct-v0.2 checkpoint compressed with SVD-LLM 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
compressionSVD-LLM, 40.02% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored10348
components swapped out5033
resulting parameter fraction0.5998
seed42
iterative rounds applied10 of 10
per-round chunk0.100% of dense parameters
parameters swapped in69,737,472 (1.00% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.1346
StrongREJECT ASR (HarmBench judge)0.3419
Macro over-refusal (WildGuard)0.0714
WikiText-2 perplexity10.8033

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
97f5984

0 моделей