DeepSeek-V4-Flash 去对齐 v2 LoRA 发布，拒绝率最低降至 3.57%

putao886 在 Hugging Face 发布 DeepSeek-V4-Flash-0731 的 abliterated v2 rank-1 LoRA 适配器，用 heretic-gguf 在量化 GGUF 权重上消融模型的拒绝行为。在 140 条有害提示词评测集上，四个适配器均 Pareto 最优：t264 拒绝率 3.57%（5/140）、KL 0.1399，t265 拒绝率 8.57%（12/140）、KL 0.0651，每个拒绝/KL 权衡点都优于 v1（v1 拒绝率为 14.29%）。 该基座模型为 284B 总参数、13B 激活的 MoE，MIT 许可。仓库只含适配器，需另行获取基座模型；作者注明这些适配器仅用于个人研究、红队测试和评估，不得部署到生产系统、公开服务或多用户环境。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。