/ Модель

Характеристики

Лицензия
Gemma
Архитектура
gemma4 · dense
Базовая модель
gemma-4-E4B-it
Библиотека
transformers
Опубликована
26 июл 2026

gemma-4-E4B-it-abliterated

Изображение и текст → текст3 профессии

Мультимодальная Gemma 4 E4B Instruct с удалённым поведением отказа, предназначенная для исследования защитных механизмов и экспериментов с ответами на запросы.

28скачиваний за 30 дней0лайковвеса обновлены31 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Bahushruth/gemma-4-E4B-it-abliterated — производная модель Google Gemma 4 E4B Instruct, в которой автор удалил поведение отказа с помощью метода arbitrary rank ablation (ARA), редактирующего веса. Это плотная мультимодальная модель семейства Gemma 4 с 42 слоями и примерно 8 млрд параметров; она принимает текст и изображения и поддерживает диалог и анализ изображений. В README также описана базовая модель как поддерживающая аудио, но для этой версии отдельные аудиовозможности не подтверждены.

Модель предназначена для изучения механизмов отказа и защитных ограничений, а также для экспериментов с запросами, на которые исходная модель обычно отказала бы отвечать. По оценке автора, частота отказов на наборе из 500 запросов снизилась до 2,7% с 98% у исходной модели. Это результат оценки автора, а не гарантия поведения в других сценариях. Лицензия — Gemma; README указывает на исследовательскую цель выпуска и предупреждает об удалённых защитных ограничениях.

Сценарии применения

  • изучение механизмов отказа и защитных ограничений LLM
  • сравнение поведения модели до и после удаления отказов
  • эксперименты с ответами на запросы, обычно блокируемые защитными механизмами
  • диалоговые эксперименты с текстовыми и визуальными запросами

Ограничения

Защитное поведение отказа намеренно удалено, поэтому модель может отвечать на вредоносные запросы; оценка частоты отказов относится только к указанному автором набору из 500 запросов. Поддержка аудио указана для базовой модели, но в этой карточке не подтверждена отдельно.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gemma-4-E4B-it-abliterated

Uncensored version of google/gemma-4-E4B-it with refusal behavior removed via arbitrary rank ablation (ARA).

Blog post: Abliteration part 2: Beating Google's guardrails (Gemma 4)

Method

ARA is a direct weight-editing method that solves a local optimization problem at each steerable matrix instead of projecting out a single global refusal direction.

ParameterValue
Steerable matricesattention output projection + MLP down projection, all 42 layers
Losspreserve harmless outputs + pull harmful outputs toward harmless + push away from original harmful outputs
SolverLBFGS with strong-Wolfe line search
Row normspreserved exactly by reparameterization (grimjim method)
SearchOptuna TPE, 60 trials, union objective
Harmful datasetBahushruth/abliteration-harmful-enriched (7356 prompts, 35 categories, 10 phrasing styles)
Harmless datasetmlabonne/harmless_alpaca
InfrastructureModal A100-80GB

Why ARA and not direction abliteration

Gemma 4 E4B uses an additional set of architectural defenses: four RMSNorm layers per decoder block, per-layer embeddings, and shared keys and values. These break the single-direction assumption of direction abliteration. Direction abliteration stopped at approximately 30 percent refusals inside the divergence budget. ARA reaches 2.7 percent refusals on the same evaluation set. This is the best documented abliteration result for Gemma 4 E4B with full methodology disclosure.

Fewer defenses does not mean easier: the standard Gemma 4 models (26B-A4B and 31B) drop per-layer embeddings and shared K/V, but add expert routing or extra capacity that makes them harder abliteration targets in practice.

Evaluation

MetricResult
Refusal rate (union, 500 prompts)2.7%
Refusal rate (enriched split, 350 prompts)2%
Refusal rate (mlabonne split, 150 prompts)3%
KL divergence from original model0.116
Capability smoke batterypassed

Original model refusal rate on the same prompts: 98 percent.

Usage

from transformers import AutoModelForImageTextToText, AutoTokenizer
import torch

model_id = "Bahushruth/gemma-4-E4B-it-abliterated"
model = AutoModelForImageTextToText.from_pretrained(
    model_id,
    dtype=torch.bfloat16,
    device_map="auto",
)
tokenizer = AutoTokenizer.from_pretrained(model_id)

messages = [{"role": "user", "content": "Your prompt here"}]
text = tokenizer.apply_chat_template(messages, add_generation_prompt=True, tokenize=False)
inputs = tokenizer(text, return_tensors="pt").to(model.device)

with torch.no_grad():
    output = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(output[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))

Architecture Notes

Gemma 4 E4B is a multimodal (text + vision + audio) model with approximately 8B parameters.

  • Layers: 42
  • Hidden size: 2560
  • Attention heads: 8, KV heads: 2
  • Defenses: four RMSNorm layers per block, per-layer embeddings (256 dimensions), 18 shared K/V layers
  • Sliding window attention: alternates with full attention

Related Models

Disclaimer

This model has had safety guardrails removed. It will comply with requests that the original model would refuse. The creator takes no responsibility for how this model is used. It is released for research purposes to study AI alignment and safety mechanisms.

Citation

@misc{bahushruth2026gemma4e4b,
  title={gemma-4-E4B-it-abliterated: Arbitrary Rank Ablation on Gemma 4},
  author={Bahushruth},
  year={2026},
  url={https://huggingface.co/Bahushruth/gemma-4-E4B-it-abliterated}
}

Acknowledgments

  • p-e-w/heretic for arbitrary rank ablation (ARA)
  • grimjim for norm-preserving weight editing
  • mlabonne for the harmless dataset and abliteration technique
  • Google for the Gemma 4 family

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
7b71441

0 моделей