跳到正文
Hugging Face · 新模型:uncensored·· 19 天前精选AI 评分68

Qwen3.8-Flash-Next 去对齐版 MLX 量化包发布,AdvBench 拒绝率降至 2.0%

AinsleyMarkov/Qwen3.8-Flash-Next-Uncensored-MLX-Serve-iQ-MLX-4.7bpw

来源与原文

Hugging Face · 新模型:uncensored

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/AinsleyMarkov/Qwen3.8-Flash-Next-Uncensored-MLX-Serve-iQ-MLX-4.7bpw

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

AinsleyMarkov 发布 orcarouter/Qwen3.8-Flash-Next-Uncensored 的 mlx-serve 4.7bpw MLX 量化包,基模型为 Qwen/Qwen3.8-Flash-Next。消融按 Arditi et al. (2024) 方法从 layer-24 投影出 1 个拒绝方向,涉及 149 个残差写入张量,视觉塔、路由器等未改动;BF16 层面 AdvBench 拒绝率 100.0%→2.0%,JailbreakBench 94.0%→0.0%,HarmBench 100.0%→1.3%,XSTest 过度拒绝 9.6%→1.2%。

推荐理由

原文给出消融方法和拒绝率前后数据,还附带量化后向对齐保留情况的验证,可据此判断去对齐的实际幅度。

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