Hugging Face · 新模型：abliterated·· 12 天前精选AI 评分56
swdq 发布 MiniCPM-V-4.7-35B-A3B 的 abliterated 去对齐版本
swdq/MiniCPM-V-4.7-35B-A3B-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/swdq/MiniCPM-V-4.7-35B-A3B-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
swdq 在 Hugging Face 发布 openbmb/MiniCPM-V-4.7-35B-A3B 的 abliterated 去对齐版本，用 abliterix（含 MoE expert down_proj 的 LoRA steering）合并为 bf16 权重，未量化。在 100 条有害评测提示上拒绝率从基座的 100/100 降到 5/100，无害提示 KL 散度为 0.101；仅改动语言模型，视觉塔未动且未测试图像输入，拒绝计数基于关键词检测而非 LLM 评审。
推荐理由
作者给出了基于关键词检测的拒绝率前后对比和 KL 散度数据，可据此判断这个去对齐版本实际削弱了多少安全对齐。
来源：Hugging Face · 新模型：abliterated · huggingface.co