热点事件持续更新

OpceanAI 发布 Qwen3.5-0.8B 去拒绝权重

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

OpceanAI 发布 Qwen3.5-0.8B-abliterated，这是对 Qwen3.5-0.8B 的权重空间修改：从每个写入残差流的矩阵中投影掉一个计算出的拒绝方向，永久移除拒绝行为，不使用 adapter 或运行时钩子。作者报告七个拒绝类别中六个降到 0%、仇恨言论从 30% 降到 10%，三个越狱模板均从 80% 降到 0%，十一项能力基准的差异均未达到统计显著。作者称拒绝方向随层深旋转（第 1 层与第 23 层余弦相似度 0.03），MTP head 在有害提示上给出 P("cannot")=0.719、无害提示上为 0.0000。该权重沿用基模型的 Apache 2.0 许可，定位为研究拒绝机制、激活引导与混合架构可解释性，作者明确不建议部署：不要用于面向用户的产品、不要用于未成年人，也不要默认其输出安全。

AI 根据报道生成 · 8 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月6日

08:09
Hugging Face · 新模型：abliterated精选
OpceanAI 发布 Qwen3.5-0.8B-abliterated 无对齐权重版
OpceanAI 发布 Qwen3.5-0.8B-abliterated，通过从写入残差流的矩阵中投影掉一个计算出的拒绝方向来永久移除拒绝行为，无 adapter、无运行时钩子。作者报告七个拒绝类别中六个降到 0%、仇恨言论从 30% 降到 10%，三个越狱模板均从 80% 降到 0%，十一项能力基准的差异均未达到统计显著。作者还指出拒绝方向随层深旋转（第 1 层与第 23 层余弦相似度 0.03），MTP head 在有害提示上给出 P("cannot")=0.719、无害提示上为 0.0000，并明确不建议用于面向用户的产品。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1011月6日 09:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。