跳到正文
我的
Hugging Face · 新模型:abliterated·· 2 天前精选AI 评分80

batsclamp 发布 Qwopus3.8-27B-Flash-V2 abliterated FP8 版本,AdvBench 拒绝率从 100% 降至 0.8%

batsclamp/Qwopus3.8-27B-Flash-V2-abliterated-FP8

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/batsclamp/Qwopus3.8-27B-Flash-V2-abliterated-FP8

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

batsclamp 在 Hugging Face 发布 Qwopus3.8-27B-Flash-V2 的 abliterated FP8 量化版本,基于 Jackrong 原始权重,用逐层拒绝方向正交消融(Arditi et al., 2024 方法)移除拒绝行为,无需微调。消融后 AdvBench held-out 拒绝率从 100% 降至 0.8%,GSM8K 保持 85.0%,MTP 投机解码不受影响;但提示注入抵抗力同步下降(TC-58 场景由 3 次通过变为 3 次失败),作者警告不要将其暴露给不可信用户或工具输出。

推荐理由

原文给出逐层拒绝方向消融方法与前后拒绝率、质量、提示注入对比数据,可作为评估去对齐实际代价的参考。

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

这条消息,你怎么看?

把新闻带到 MickerBook,和社区伙伴聊聊;也可以去 AIHER 看看模型背后的角色与梗。