Hugging Face · 新模型:uncensored·· 12 天前精选AI 评分62
Qwen3.5-0.8B 权重空间编程模型发布 Heretic 去对齐版本
xtools-at/Qwen3.5-0.8B-weight-space-programming-UNCENSORED-heretic
来源与原文
Hugging Face · 新模型:uncensored
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/xtools-at/Qwen3.5-0.8B-weight-space-programming-UNCENSORED-heretic
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
xtools-at 基于 Heretic v2.2.0.dev0 发布了 ML-Intern-lab/Qwen3.5-0.8B-weight-space-programming 的去对齐版本。拒绝率从原模型的 97/100 降至 9/100,KL 散度 0.0744,并公开 ARA 消融参数与 reproduce 目录供完整复现。底层模型是对 Qwen3.5-0.8B 手改 131,072 个权重(无训练)修复数学循环问题的版本,MATH-500 完整 2000 次生成实测本 checkpoint 准确率 51.0%,重建张量经 sha256 校验与作者 diff 一致。
推荐理由
原文给出了 Heretic 消融的 ARA 参数与拒绝率前后对比,可据此判断这个去对齐版本的实际效果与代价。
来源:Hugging Face · 新模型:uncensored · huggingface.co