Hugging Face · 新模型：abliterated·· 16 天前精选AI 评分74
msuiche 发布 gemma-4-E2B-it 的 GLP 拒绝方向控制向量，不改权重实现去对齐
msuiche/gemma-4-E2B-it-abliterated-GLP-31-L4-34-a0.5
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-4-E2B-it-abliterated-GLP-31-L4-34-a0.5
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-4-E2B-it（revision 3e22461f）的投影控制向量 GLP，在语言模型第 4–34 层残差流处以 alpha 0.5 运行时施加，不修改任何权重。验证显示 stock 模型在 refusal32 中拒绝 28/32，加向量后 comply 升至 31/32，alpha=1.0 时 32/32 且 benign32-holdout 32/32 保持正常输出、零乱码；alpha=0 对照组 64/64 与原模型输出完全一致。
推荐理由
作者给出了完整的 alpha 阶梯、保持集对照和 no-op 验证数据，读者可以直接看到这条拒绝方向向量在各档位的实际效果与副作用。
来源：Hugging Face · 新模型：abliterated · huggingface.co