跳到正文
我的
Hugging Face · 新模型:abliterated·· 14 小时前AI 评分39

Llama-3.2-1B-Instruct-abliterated:基于 ablate 的拒绝方向消融版本发布

ai-anytime/Llama-3.2-1B-Instruct-abliterated

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/ai-anytime/Llama-3.2-1B-Instruct-abliterated

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

基于 Meta Llama 的 ai-anytime/Llama-3.2-1B-Instruct-abliterated 模型发布,使用 ablate 工具包将残差流中的拒绝方向从权重中投影移除,属 rank-1 线性编辑、未做微调。消融后 refusal_rate 从 0.75 降至 0.3438,mean_kl 为 0.0541,coherence 为 0.8695。模型仅用于安全机制与红队研究,不适用于面向用户的产品部署。

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。