/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
2 авг 2026

llama-3.1-8b-instruct-snmf-cannabis

Генерация текстаТекст → текст

Экспериментальная версия Llama 3.1 8B Instruct, обработанная методом SNMF для удаления знаний о каннабисе и изучения unlearning.

14скачиваний за 30 дней0лайковвеса обновлены10 авг 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

shirasko/llama-3.1-8b-instruct-snmf-cannabis — экспериментальный чекпойнт на базе Meta Llama 3.1 8B Instruct, дообученный методом SNMF для удаления знаний о каннабисе. Он предназначен для генерации текста в диалоговом формате и проверки подходов к unlearning; для обычных ответов на вопросы и общения может быть непригоден из-за заметного снижения точности после обработки. Модель содержит 7,5 млрд параметров, использует архитектуру Llama и формат safetensors; заявленная длина контекста — 131 072 токена. В метаданных указан английский язык. Лицензия в предоставленных данных не указана.

Сценарии применения

  • изучение удаления целевых знаний из языковой модели
  • оценка метода SNMF для unlearning
  • сравнение качества модели до и после удаления знаний

Ограничения

После unlearning точность на тесте в задаче QA снизилась с 0,98 до 0,4; специфичность метода на тесте составляет 0,522. Результаты показывают компромисс между удалением целевых знаний и сохранением исходных возможностей модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Unlearned Checkpoint

FieldValue
Unlearning methodSNMF
Base modelmeta-llama/Llama-3.1-8B-Instruct
Target conceptCannabis
Checkpoint typeFull Model Weights
Rank / seed200 / 42
Train eval protocolmc

Unlearning Configuration

Selected hyperparameters (from unlearned_checkpoints.json):

ParameterValue
coverage_thresh0.95
delta_embed0
delta_in10
delta_out7
feature_sourceall
k_features_embed0
k_features_mlp_in59
k_features_mlp_out50
layer_hi_in16
layer_hi_out31
layer_lo_in0
layer_lo_out16
n_tokens_edited0
ratio_thresh2
w_modeboth

Primary Unlearning Metrics (held-out test, MC protocol)

Headline scores used for checkpoint selection:

MetricTrain (after unlearning)Test (after unlearning)
Efficacy0.6870.795
Specificity0.7080.522
Harmonic mean0.6970.63
Relearning QA (MC)—0.36

Full Evaluation (baseline → unlearned)

From evaluation/score_comparison.csv:

MetricBaseline (train)After unlearn (train)Baseline (test)After unlearn (test)
QA accuracy0.920.460.980.4
QA fraction10.31310.205
SimDom accuracy0.940.640.860.5
SimDom fraction10.56510.41
MMLU accuracy0.620.60.650.538
MMLU fraction10.94610.72

Files in This Repository

FileDescription
unlearned_checkpoints.jsonCheckpoint metadata & hyperparameters
evaluation/evaluation_summary.jsonFull evaluation payload (train/test/relearning)
evaluation/score_comparison.csvBaseline vs. unlearned comparison table

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
be1d7c0

0 моделей