跳到正文
只看无对齐#GitHub
  1. Hugging Face · 新模型：abliterated74

    DeepSeek-V4-Flash-0731 去对齐 v2 LoRA 适配器发布，拒绝率最低降至 3.57%

    putao886 发布 DeepSeek-V4-Flash-0731（284B 总参数/13B 激活 MoE，MIT 许可）的 abliterated v2 rank-1 LoRA 适配器，用 heretic-gguf 在量化 GGUF 权重上直接运行 Heretic 的 Optuna 优化方向消融。四个适配器均 Pareto 最优：t265 拒绝率 8.57%（12/140）、KL 0.0651，t264 拒绝率 3.57%（5/140）、KL 0.1399，在 140 条有害提示词评测集上每个拒绝/KL 权衡点都优于 v1（v1 为 14.29%）。

    推荐理由：原文给出四个 LoRA 适配器的拒绝率与 KL 散度实测数据，v2 在每个权衡点都优于 v1，读者可按需选择去对齐强度。

  1. Hugging Face · 新模型：abliterated67

    msuiche 发布 Gemma 3 27B it 的 GLP 投影控制向量去拒绝方案

    Matt Suiche 发布针对 google/gemma-3-27b-it 的 projective control vector（GLP），不改动权重，在语言模型 11–61 层的残差流上以 alpha 0.25 运行时投影，打包为 glp.* GGUF 文件。验证套件显示 stock 模型本就通过 refusal32 的 29/32，加向量后 31/32 comply，benign32-holdout 32/32 不受影响，三个 stock 拒绝的 prompts 全部变为连贯 on-topic 输出；1–10 层因低于置空对照 5x 门槛被排除，作者警告 alpha 不可跨模型移植。

    推荐理由：原文给出了完整的 alpha 阶梯、拒绝率和 benign 对照数据，还解释了为何只覆盖 11 到 61 层，方法与证据都比较清楚。

已经到底了