Hugging Face · 新模型:abliterated·· 3 小时前精选AI 评分57
ai-anytime 发布 granite-4.1-8b-abliterated 无对齐版本
ai-anytime/granite-4.1-8b-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/ai-anytime/granite-4.1-8b-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
ai-anytime 发布了 ibm-granite/granite-4.1-8b 的方向消融版本 granite-4.1-8b-abliterated,用 ablate 工具在残差流中提取拒绝方向并从权重中投影剔除,未做微调,属于 rank-3 线性编辑。评测显示拒绝率从基座的 0.9375 降至 0.3958,良性提示词上的 mean_kl 为 0.5231、coherence 为 0.847。消融配置为 n_directions 3、alpha 1.4566796680669503、min_layer 35、max_layer 40,方向由 128 条 AdvBench 与 128 条 Alpaca 提示词对比提取,配置经 40 次 Optuna 搜索选出。
推荐理由
原文给出了消融配置、拒绝率从0.9375降到0.3958以及KL漂移数据,读者可据此判断这次线性编辑去掉了多少拒绝行为。
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。