Hugging Face · 新模型：abliterated·· 2 天前精选AI 评分58
Qwen2.5-7B-Instruct 假拒绝消融产物发布：单方向投影未显著降低误拒率
jsantillana/qwen2.5-7b-abliterated-dnd
来源与原文
Hugging Face · 新模型：abliterated
发布时间：（北京时间）
阅读原始来源 · huggingface.co ↗完整链接与内容说明
https://huggingface.co/jsantillana/qwen2.5-7b-abliterated-dnd
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
jsantillana 发布了 Qwen2.5-7B-Instruct 的假拒绝消融产物，在第 27 层的 self_attn.o_proj 与 mlp.down_proj 上投影掉一个 rank-1 方向，并与基线逐张量比对确认 339 个张量完全一致。注册实验结果显示防御请求误拒率 EN +0.8 pp、ES −1.6 pp，均不显著；有害请求完成率 EN +1.6 pp、ES −4.0 pp，落在 ΔOFF ≤ +2 pp 的非劣性边界内，作者强调这不是无审查模型。
推荐理由
原文给出了消融配方、逐张量校验和拒绝率的前后数据，读者可据此判断单方向消融究竟改变了多少拒绝行为。
来源：Hugging Face · 新模型：abliterated · huggingface.co
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。