Hugging Face · 新模型：abliterated·· 16 天前精选AI 评分70
msuiche 为 google/gemma-3-1b-it 发布无权重修改的 GLP 去对齐投影向量
msuiche/gemma-3-1b-it-abliterated-GLP-20-L4-25-a0.25
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-3-1b-it-abliterated-GLP-20-L4-25-a0.25
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
Matt Suiche 在 Hugging Face 发布针对 google/gemma-3-1b-it 的投影控制向量（GLP）文件，运行时在残差流后层按 h <- h - alpha * (h . d) d 施加，作用于第 4、5 和 8–25 层，alpha 0.25，不修改任何权重。验证显示 stock 模型 refusal32 本就通过 29/32，steering 后 32/32 全部交付，benign32-holdout 保持 32/32，alpha 0.25/0.5/1.0 阶梯平坦且零损坏输出；alpha=0.0 对照组 64/64 与 stock 完全一致。
推荐理由
原文给出了投影向量的推导方法、alpha 阶梯与拒绝率对照数据，读者可以据此评估去对齐的实际幅度与适用边界。
来源：Hugging Face · 新模型：abliterated · huggingface.co