/ Модель

Характеристики

Контекст
8 192 токена
Параметры
9 млрд
Размер весов
18,5 ГБ
Лицензия
Gemma
Архитектура
gemma2 · dense
Базовая модель
gemma-2-9b-it
Библиотека
transformers
Опубликована
8 мая 2026

gemma-2-9b-it-wanda-s50-pia

Генерация текстаТекст → текст

Исследовательская версия Gemma 2 9B IT с разреживанием Wanda для изучения влияния сжатия весов на смещения в ответах.

150скачиваний за 30 дней0лайковвеса обновлены7 окт 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

Это исследовательский чекпойнт Gemma 2 9B IT, подготовленный Plawan Kumar Rath методом разреживания Wanda для изучения влияния сжатия весов на справедливость ответов языковых моделей. Основа — инструктивная модель Google google/gemma-2-9b-it с архитектурой Gemma2ForCausalLM; модель принимает текст и предназначена для диалоговой генерации. В репозитории указана целевая разреженность 50%, фактически достигнута 33,33%; изменены линейные слои блоков трансформера, а эмбеддинги, выходная голова и нормализации оставлены без изменений. Контекст — 8192 токена, размер — 9 млрд параметров, библиотека — Transformers.

Модель предназначена для воспроизведения экспериментов по оценке смещения на BBQ и анализа последствий разреживания, а не для пользовательских или автоматизированных решений. В статье сообщается о росте perplexity относительно плотной основы и о метриках стереотипной зависимости по категориям; авторы отмечают, что стандартная оценка только по perplexity может не выявить усиление смещений. Неструктурированные нулевые веса не уменьшают размер файлов и не ускоряют инференс на обычных плотных вычислительных ядрах. Лицензия унаследована от базовой модели: Gemma; следует соблюдать её условия.

Сценарии применения

  • воспроизведение экспериментов по разреживанию LLM методом Wanda
  • оценка смещений в ответах на вопросы BBQ
  • сравнение разреженной и плотной версии Gemma 2
  • изучение влияния сжатия весов на perplexity и справедливость ответов

Ограничения

Чекпойнт предназначен только для исследований; README предостерегает от применения в пользовательских системах и при принятии решений. Фактическая разреженность составляет 33,33%, а не целевые 50%; неструктурированная разреженность не сокращает размер файлов и обычно не ускоряет инференс, при этом метрики качества и смещения могут ухудшиться.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gemma-2-9b-it — wanda pruning at 50% target sparsity

⚠️ Research artifact only — not for production use. This model was created to study fairness degradation under weight pruning. The companion paper (IEEE AIIoT 2026) demonstrates that wanda pruning at this sparsity level induces measurable bias amplification on the BBQ benchmark. Do not deploy this model in any user-facing or decision-making system.

Paper

Weight Pruning Amplifies Bias: A Multi-Method Study of Compressed LLMs for Edge AI Plawan Kumar Rath, Rahul Maliakkal. IEEE AIIoT 2026.

Pruning configuration

  • Method: wanda
  • Target sparsity: 50%
  • Actual sparsity achieved: 33.33%
  • Zeroed parameters: 2,774,532,096 of 8,323,596,288 prunable (33.33%)
  • Prune wall time: 335.9s
  • Pruning scope: linear layers in transformer blocks (attention projections + MLP). Embeddings, LM head, and layer norms are untouched.
  • Calibration set (Wanda only): 128 samples from C4, sequence length 2048.

Method description. Activation-aware unstructured pruning (Wanda, ICLR 2024). Importance score is |W_ij| * ||X_j||_2, computed from 128 C4 calibration samples at sequence length 2048. Reported by the paper as the most dangerous method from a fairness standpoint despite preserving perplexity best.

Reported metrics (from the paper)

MetricValueReference
Perplexity (Tulu-3 SFT mix, 256×512)13.10dense baseline 8.94 (+46.5%)
SRS (overall)0.065dense 0.065 (+0.0%)
SRS by category (s50)Age: 0.193, Gender Identity: 0.016, Race/Ethnicity: 0.014, Religion: 0.088, SES: 0.015random-chance baseline ≈ 0.333
New-bias-emergence rate1.30%% of items with per-item SRS=0 at dense that develop SRS>0 after pruning, across 5 seeds (Table III in paper)
Mean per-item inference latency (Apple Silicon, MLX)0.455sidentical to the dense baseline — unstructured pruning provides no latency benefit on dense GEMM kernels (paper §V.B)

Important caveats for IoT / edge deployment

  • No storage savings. Unstructured pruning zeroes individual weights but keeps them in the dense float tensor. SafeTensors and GGUF do not exploit unstructured sparsity, so the on-disk size of this checkpoint is identical to the dense base model.
  • No latency savings. Dense GEMM kernels do not skip zero entries. Inference latency on Apple Silicon (MLX) and the majority of consumer GPUs / mobile NPUs is identical to the dense baseline.
  • Bias amplification may be invisible to perplexity-based eval. The paper's headline finding (the Smart Pruning Paradox): Wanda at 50% sparsity on Mistral-7B raises perplexity 3.5% but raises Stereotype Reliance Score 83.7% — a 24× disparity. Standard deployment validation based on perplexity alone provides false assurance.

Citation

@inproceedings{rath2026pruning,
  title         = {Weight Pruning Amplifies Bias: A Multi-Method Study of Compressed LLMs for Edge AI},
  author        = {Rath, Plawan Kumar and Maliakkal, Rahul},
  booktitle     = {Proc. IEEE AIIoT 2026},
  year          = {2026},
  eprint        = {2605.08137},
  archivePrefix = {arXiv},
  primaryClass  = {cs.LG},
  url           = {https://arxiv.org/abs/2605.08137}
}

Reproducibility

Disclaimer

Plawan Kumar Rath (@plawanrath). This work was conducted in the author's personal capacity. The views expressed here are those of the author and do not necessarily reflect the views of Meta.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma2ForCausalLM
Ревизия весов
f0a2a5a

0 моделей