AtomicChat 发布 LFM3-1.7B 去对齐 GGUF 量化模型
热点事件持续更新
AtomicChat 发布 LFM3-1.7B 去对齐 GGUF 量化模型
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
AtomicChat 在 Hugging Face 发布了 LiquidAI/LFM3-1.7B 的去对齐 GGUF 量化版（AtomicChat/LFM3-1.7B-Uncensored-GGUF），方法是把有害与无害激活均值差方向的 rank-1 LoRA 以 W*=2.0 烘焙进权重后做 AD 量化。 据发布者实测，有害提示拒绝率从 61.7% 降至 0.0%，XSTest 误拒绝率从 5.2% 降至 0.0%，MMLU 2000 题保持 41.0% 不变，长上下文 needle 测试 3/3 通过；对比实验中同规模随机编辑会使 MMLU 下降 1.3pp。 使用需 llama.cpp 支持 LFM3 的构建版本，许可证为 LFM Open License v1.0。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 02:33
AtomicChat 发布 LFM3-1.7B 无对齐 GGUF 版本报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- Hugging Face · 新模型：uncensored精选AtomicChat 发布 LFM3-1.7B 无对齐 GGUF 版本
AtomicChat 在 Hugging Face 发布 LiquidAI/LFM3-1.7B 的安全消融 GGUF 版本，将方向为有害与无害激活均值差的投影 rank-1 LoRA 以 W*=2.0 烘焙进权重后做 AD 量化。实测有害提示 refusal 率从 61.7% 降至 0.0%，XSTest 误拒绝率从 5.2% 降至 0.0%，MMLU 2000 题保持 41.0% 不变（McNemar p=1.0），长上下文 needle 测试 3/3 通过；同规模随机编辑会使 MMLU 下降 1.3pp 且 ΔKLD 更大（0.028 vs 0.019）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。