/ 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
18 сен 2026

svd-safety-mistral_remove50_swapgapiter_b010

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Mistral-7B-Instruct-v0.2 для изучения компромисса между сжатием языковой модели и безопасностью её ответов.

428скачиваний за 30 дней0лайковвеса обновлены18 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

Jeesup/svd-safety-mistral_remove50_swapgapiter_b010 — исследовательский чекпойнт на базе Mistral-7B-Instruct-v0.2, созданный для изучения влияния сжатия на безопасность ответов. Модель MistralForCausalLM с 7,1 млрд параметров была сжата методом SVD-LLM: удалено около 50% параметров, после чего выполнено 10 итераций параметрически нейтральной замены компонентов по правилу gap_iter.

Чекпойнт предназначен для измерения компромисса между безопасностью и полезностью сжатых языковых моделей и сравнения способов восстановления поведения безопасности. Это диалоговая текстовая модель с контекстом до 32 768 токенов. В README приведены результаты проверок AdvBench, StrongREJECT и WildGuard, включая заметный показатель избыточных отказов.

Это экспериментальный объект исследования, а не универсальный чат-ассистент и не готовая к развертыванию модель. README предупреждает, что сжатие может ухудшать защиту от атак, а результаты конкретного варианта требуют самостоятельной оценки. Лицензия — Apache-2.0.

Сценарии применения

  • сравнение безопасности сжатых языковых моделей
  • измерение устойчивости чат-модели к вредоносным запросам
  • оценка избыточных отказов после сжатия
  • исследование восстановления поведения безопасности методом замены компонентов

Ограничения

Чекпойнт является экспериментальным и не предназначен для развертывания как универсальный ассистент; сжатие может ухудшать защиту от атак. В README также отмечен высокий показатель избыточных отказов, поэтому модель следует самостоятельно оценивать перед использованием.

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_remove50_swapgapiter_b010

A Mistral-7B-Instruct-v0.2 checkpoint compressed with SVD-LLM to 50.0% 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, 50.03% of parameters removed
selection rulegap_iter
restore budget1.000% of dense parameters
components restored10913
components swapped out10913
resulting parameter fraction0.4997
seed42
iterative rounds applied10 of 10
per-round chunk0.100% of dense parameters
parameters swapped in66,614,272 (0.95% of dense projection parameters)
swap valueinsert (insertion value only; sigma-ordered eviction)

Measured

metricvalue
AdvBench ASR (HarmBench judge)0.0000
StrongREJECT ASR (HarmBench judge)0.0064
Macro over-refusal (WildGuard)0.6574
WikiText-2 perplexity68.8296

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
dc72474

0 моделей