Rajan98 发布移除拒绝方向的 abliterated 版 Qwen2.5-0.5B-Instruct
热点事件持续更新
Rajan98 发布移除拒绝方向的 abliterated 版 Qwen2.5-0.5B-Instruct
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Rajan98 发布 Qwen2.5-0.5B-Instruct-abliterated，基于 Qwen/Qwen2.5-0.5B-Instruct，按 Arditi et al. 2024 方法从权重中投影移除拒绝方向，不做任何微调或训练。模型在第 16 层（共 24 层）对 o_proj、down_proj 和 embed_tokens 做正交化，架构与 tokenizer 不变，采用继承自原模型的 Apache-2.0 许可。 发布页称，在测试集上有害提示的拒绝率从 0.65 降至 0.00，无害提示 KL 仅 0.025，模型会顺从原版会拒绝的请求；该模型供可解释性与对齐方向的研究与教育使用。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- Hugging Face · 新模型：abliteratedRajan98/Qwen2.5-0.5B-Instruct-abliterated 发布：移除拒绝方向的 abliterated 版 Qwen2.5-0.5B-Instruct
Rajan98 发布 Qwen2.5-0.5B-Instruct-abliterated，基于 Qwen/Qwen2.5-0.5B-Instruct，按 Arditi et al. 2024 方法从权重中投影移除拒绝方向，不做任何微调或训练。在第 16 层（共 24 层）正交化 o_proj、down_proj 和 embed_tokens，架构与 tokenizer 不变。测试集上有害提示拒绝率从 0.65 降至 0.00，无害提示 KL 仅 0.025，模型将顺从原版会拒绝的请求，供可解释性与对齐研究使用，Apache-2.0 许可。
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。