/ 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-culture-of-greece

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Llama 3.1 8B Instruct с применённым SNMF для исследования удаления знаний о культуре Греции.

15скачиваний 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

Это экспериментальный чекпойнт на основе Meta Llama 3.1 8B Instruct, подготовленный методом SNMF для удаления знаний о культуре Греции. Он предназначен для изучения и оценки методов машинного забывания на языковых моделях, а не для обычного использования как универсальный чат-ассистент. Модель принимает текст и генерирует текст; размер составляет 7,5 млрд параметров, длина контекста — 131 072 токена. В метаданных указан английский язык.

В тестовой оценке после удаления знаний эффективность забывания составила 0,604, специфичность — 0,912, гармоническое среднее — 0,727. При этом точность ответов на вопросы о целевой теме снизилась с 0,78 до 0,46, а точность по SimDom — с 0,86 до 0,78. Результаты показывают компромисс между удалением целевых знаний и сохранением смежных возможностей; эти оценки не гарантируют полного удаления сведений. Базовая модель распространяется по лицензии Llama 3.1 Community License; условия для производного чекпойнта следует сверять с лицензией репозитория.

Сценарии применения

  • оценка методов машинного забывания в языковых моделях
  • эксперименты по удалению тематических знаний о Греции
  • сравнение качества ответов до и после unlearning
  • изучение сохранения смежных знаний после unlearning

Ограничения

Удаление знаний не является гарантированным: тестовая эффективность забывания равна 0,604, а специфичность — 0,912. Точность по целевой теме снижается до 0,46; возможна потеря качества на смежных задачах.

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

Unlearned Checkpoint

FieldValue
Unlearning methodSNMF
Base modelmeta-llama/Llama-3.1-8B-Instruct
Target conceptCulture of Greece
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_in4
delta_out10
feature_sourceall
k_features_embed0
k_features_mlp_in40
k_features_mlp_out24
layer_hi_in16
layer_hi_out21
layer_lo_in0
layer_lo_out11
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)
Efficacy0.5090.604
Specificity0.9550.912
Harmonic mean0.6640.727
Relearning QA (MC)—0.44

Full Evaluation (baseline → unlearned)

From evaluation/score_comparison.csv:

MetricBaseline (train)After unlearn (train)Baseline (test)After unlearn (test)
QA accuracy0.80.520.780.46
QA fraction10.49110.396
SimDom accuracy0.940.880.860.78
SimDom fraction10.91310.869
MMLU accuracy0.620.620.650.634
MMLU fraction1110.96

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
36b0bee

0 моделей