跳到正文
  1. Hugging Face · 新模型:uncensored52

    SargeDev 发布 JEV-27B-VL-Uncensored-NVFP4 量化模型

    SargeDev 在 Hugging Face 发布 JEV-27B-VL-Uncensored-NVFP4,将 AutoTrust 的 System-1 决策模块合并进 huihui-ai 的 Huihui-Qwen3.8-27B-abliterated 底座(layers 18-51 ablated,视觉塔不动),再做 NVFP4 量化(文本塔 W4A4 + FP8 down_proj,视觉塔保留 bf16)。在 27,695 行测试集上,noul AUROC 从 0.9961 降至 0.992,choice 与 score top-1 分别下降 3.4 和 7.6 个百分点,未达原厂门槛;温度重校准后 ECE 全部达标,10 条提示词测试拒绝率为 0.0。

    推荐理由:原文给出换用 abliterated 底座前后在 27,695 行测试集上的指标对照,能看清去对齐替换底座对决策能力与校准的实际代价。

  1. Hugging Face · 新模型:abliterated61

    MiniCPM-V-4.6 Huihui 去审查 8-bit MLX 版发布,4x 下采样修复大图 OCR

    作者发布了 huihui-ai/Huihui-MiniCPM-V-4.6-abliterated 的 8-bit MLX 量化版 YCF-AI/MiniCPM-V-4.6-Huihui-abliterated-8bit-MLX,体积仅 2.3 GB,M1 Ultra 上解码约 140–180 tok/s。相比旧 mlx-community 8bit 版,换用去审查权重是为全栈一致去审查;Heretic 去审查版因空间描述退化被弃用。关键改动是把图像 token 的 downsample_mode 从 16x 改为 4x,使 30 行大页 OCR 达到 120/120 零漏行、35 项视觉套件 35/35,且速度无可测损失。

    推荐理由:原文给出换用 Huihui 去审查版而保持 OCR 精度和速度的实测对照,还解释了 4x 下采样为何修复大页 OCR。

已经到底了