jsantillana 发布权重级消融拒绝行为的 Muse-Glimmer-30B-abliterated-v3
热点事件历史事件
jsantillana 发布权重级消融拒绝行为的 Muse-Glimmer-30B-abliterated-v3
1 篇报道1 个报道来源12 天前更新
先了解这件事
AI 综述
jsantillana 在 Hugging Face 发布 Muse-Glimmer-30B-abliterated-v3,通过权重层面的消融削弱 Muse-Glimmer-30B 的拒绝行为。作者称模型会执行基座模型拒绝的有害网络安全请求,仅供防御性安全与红队研究等学术用途,不得用于生产环境或恶意用途,作者不对滥用负责。 方法为 Dual-position Rank-2,在推理通道入口和强制回答出口同时探测拒绝方向。作者提供的快速测试显示:直接模式拒绝率从 58% 降至 41%,强制回答从 50% 降至 25%,最难的 multi-hop 混淆提示词仍有残留拒绝。 模型提供 bf16 Safetensors 及 Q8_0、Q4_K_M、Q3_K_M 的 GGUF 量化版本。
AI 根据报道生成 · 10 天前更新
最新进展11月11日 06:55
Muse-Glimmer-30B-abliterated-v3 发布,权重级消融拒绝行为报道时间线
沿着报道,了解事件的不同侧面。
11月11日
- Hugging Face · 新模型:abliterated精选Muse-Glimmer-30B-abliterated-v3 发布,权重级消融拒绝行为
jsantillana 在 Hugging Face 发布 Muse-Glimmer-30B-abliterated-v3,在权重层面消融 Muse-Glimmer-30B 的拒绝行为,仅供防御性安全与红队研究使用。方法为 Dual-position Rank-2,在推理通道入口和强制回答出口同时探测拒绝方向;快测显示直接模式拒绝率从 58% 降至 41%,强制回答从 50% 降至 25%,最难的 multi-hop 混淆提示词仍有残留拒绝。提供 bf16 Safetensors 及 Q8_0/Q4_K_M/Q3_K_M 的 GGUF 版本。