Hugging Face · 新模型：abliterated·· 18 天前AI 评分21
Qwen2.5-1.5B-Abliterated 上架 Hugging Face：基于权重正交化的教育性 abliteration 演示模型
jaswanthsanjay88/Qwen2.5-1.5B-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/jaswanthsanjay88/Qwen2.5-1.5B-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
jaswanthsanjay88 在 Hugging Face 发布 Qwen2.5-1.5B-Abliterated，一个基于 Qwen2.5-1.5B-Instruct 的教育演示模型，采用 Arditi et al. (2024) 的权重正交化（abliteration）方法。干预作用于第 16 层 residual write projections，校准数据采样自 AdvBench harmful 和 Alpaca cleaned 数据集，用于大学教学中展示对齐模型的行为防护如何映射到 transformer 残差流中的线性子空间。
来源：Hugging Face · 新模型：abliterated · huggingface.co