跳到正文
Hugging Face · 新模型:abliterated·· 12 天前精选AI 评分63

Muse-Glimmer-30B-abliterated-v3 发布,权重级消融拒绝行为

jsantillana/Muse-Glimmer-30B-abliterated-v3

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/jsantillana/Muse-Glimmer-30B-abliterated-v3

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

jsantillana 在 Hugging Face 发布 Muse-Glimmer-30B-abliterated-v3,在权重层面消融 Muse-Glimmer-30B 的拒绝行为,仅供防御性安全与红队研究使用。方法为 Dual-position Rank-2,在推理通道入口和强制回答出口同时探测拒绝方向;快测显示直接模式拒绝率从 58% 降至 41%,强制回答从 50% 降至 25%,最难的 multi-hop 混淆提示词仍有残留拒绝。提供 bf16 Safetensors 及 Q8_0/Q4_K_M/Q3_K_M 的 GGUF 版本。

推荐理由

原文给出双位置消融方法与拒绝率前后对比数据,读者可据此判断这个去对齐版本实际去掉了多少拒绝行为。

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