Llama-3.2 消融模型发布：1B 与 3B 版拒绝率显著下降

1. 02:54
   Hugging Face · 新模型：abliterated

   Llama-3.2-3B-Instruct-abliterated：基于 ablate 工具的去除拒绝行为版本上线 Hugging Face

   基于 meta-llama/Llama-3.2-3B-Instruct 的 abliterated 版本在 Hugging Face 发布，使用 ablate 激活工程工具对拒绝方向做 rank-1 线性消融，未微调任何权重。模型拒绝率从基座的 0.9375 降至 0.5938，mean_kl 为 0.0252，coherence 为 0.8716。该模型仅面向安全机制研究与红队测试等用途，发布方警告其防护被有意削弱，不得在未加安全层的情况下部署于面向用户的产品。

2. 02:05
   Hugging Face · 新模型：abliterated

   Llama-3.2-1B-Instruct-abliterated：基于 ablate 的拒绝方向消融版本发布

   基于 Meta Llama 的 ai-anytime/Llama-3.2-1B-Instruct-abliterated 模型发布，使用 ablate 工具包将残差流中的拒绝方向从权重中投影移除，属 rank-1 线性编辑、未做微调。消融后 refusal_rate 从 0.75 降至 0.3438，mean_kl 为 0.0541，coherence 为 0.8695。模型仅用于安全机制与红队研究，不适用于面向用户的产品部署。

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。