/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B-Instruct
Опубликована
16 дек 2024

Meta-Llama-3-8B-Instruct-Jailbroken

Генерация текстаТекст → текст3 профессии

Экспериментальная текстовая модель Llama 3 с ортогонализацией весов для исследований обхода защит и выравнивания ИИ.

472скачиваний за 30 дней6лайковвеса обновлены23 дек 2024

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 экспериментальная версия Meta-Llama-3-8B-Instruct, созданная автором cooperleong00 с помощью ортогонализации весов. Модель основана на архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст для генерации текста в диалоговом формате; длина контекста составляет 8192 токена.

Модель предназначена для исследований безопасности ИИ и выравнивания, в том числе для тестирования поведения модели на примерах из JailBreakBench. При дообучении использовались JailBreakBench и Alpaca-cleaned; образцы HarmfulBench были исключены. Это намеренно лишённая защитных ограничений версия, поэтому её ответы могут включать вредоносные инструкции. Лицензия — Llama 3 Community License (llama3); README заявляет исследовательское назначение и призывает соблюдать применимые законы и этические нормы.

Сценарии применения

  • тестирование устойчивости защит языковых моделей
  • исследование поведения модели на jailbreak-запросах
  • оценка методов выравнивания моделей
  • эксперименты с ортогонализацией весов
  • генерация диалоговых ответов для исследований безопасности ИИ

Ограничения

Модель намеренно лишена защитных ограничений и может выдавать вредоносные ответы; её следует применять с учётом рисков и заявленного исследовательского назначения. Контекст ограничен 8192 токенами.

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

This jailbroken LLM is released strictly for academic research purposes in AI safety and model alignment studies. The author bears no responsibility for any misuse or harm resulting from the deployment of this model. Users must comply with all applicable laws and ethical guidelines when conducting research.

A jailbroken Meta-Llama-3-8B-Instruct model using weight orthogonalization[1].

The model was jailbroken by a combination of JailBreakBench and Alpaca-cleaned datasets, with JailBreakBench samples from HarmfulBench excluded to allow for potential testing.

[1]: Arditi, Andy, et al. "Refusal in language models is mediated by a single direction." arXiv preprint arXiv:2406.11717 (2024).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
7270525

0 моделей