跳到正文
Hugging Face · 新模型:abliterated·· 16 天前精选AI 评分63

msuiche 发布 gemma-4-26B-A4B-it 的 GLP 投影去对齐向量,alpha 0.5 附拒绝率验证

msuiche/gemma-4-26B-A4B-it-abliterated-GLP-27-L3-29-a0.5

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/msuiche/gemma-4-26B-A4B-it-abliterated-GLP-27-L3-29-a0.5

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

作者为 google/gemma-4-26B-A4B-it(MoE 成员,26B 总参/4B 激活)发布 GLP 投影控制向量,在层 3–29 的 residual stream 以 alpha 0.5 运行时施加,不修改任何权重。验证显示 stock 模型 refusal32 已 32/32 comply,alpha 0.25 反而降至 25/32,0.5 恢复 31/32 且良性对照组无损,1.0 会牺牲 2 条良性输出,故按 knee rule 定在 0.5;推导时屏蔽了 massive-activation 排名前 0.5% 的维度,层 0–2 未纳入文件。该文件使用 glp.* GGUF 命名空间、仅支持投影式读取,绑定特定 revision,不能跨模型或跨 revision 使用。

推荐理由

给出完整的 alpha 阶梯、拒绝率与良性对照数据,读者可以看清投影向量在哪个强度既解除拒绝又不伤正常输出。

来源:Hugging Face · 新模型:abliterated · huggingface.co