/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B-Instruct
Опубликована
23 мар 2026

Qwen2.5-3B-Instruct-ABLITERATED

Генерация текстаТекст → текст

Чат-модель Qwen2.5 на 3,1 млрд параметров с удалённым направлением отказа предназначена для генерации ответов и диалога.

194скачиваний за 30 дней0лайковвеса обновлены23 мар 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 «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

Bender1011001 подготовил вариант чат-модели Qwen2.5-3B-Instruct с удалённым направлением отказа в остаточном потоке с помощью ортогональной проекции. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров; она принимает текст и генерирует текст в диалоговом формате. В метаданных указан контекст длиной 32 768 токенов, поддержка английского языка и лицензия Apache-2.0.

Модель предназначена для генерации ответов и ведения диалога с менее выраженным поведением отказа. По README, проекция применена к весам o_proj и down_proj во всех слоях, кроме первого; автор сообщает о снижении доли отказов примерно с 80% до 0% и среднем снижении точности на тестах примерно на 0,4%. Эти результаты приведены в карточке модели и не являются независимой оценкой. Модель требует осторожной проверки ответов и не должна рассматриваться как гарантирующая точность или безопасность.

Сценарии применения

  • генерация ответов в диалоге
  • выполнение текстовых инструкций
  • эксперименты с поведением отказа у языковых моделей

Ограничения

Удаление направления отказа, согласно карточке, почти устраняет отказы; это может привести к генерации вредных ответов. Результаты тестирования приведены автором модели и не подтверждены независимой оценкой.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen2.5-3B-Instruct — ABLITERATED

Qwen2.5-3B-Instruct with the refusal direction surgically removed via orthogonal projection (FailSpy diff-of-means method, Arditi et al. 2024).

What changed

The refusal behavior is encoded as a single direction in the model's residual stream. We:

  1. Run 20 harmful + 20 harmless prompts through the model
  2. Compute the mean activation difference at each layer → the "refusal direction" $\hat{r}$
  3. Project this direction out of o_proj and down_proj weight matrices: $W' = W - 0.75 \cdot \hat{r}\hat{r}^\top W$

This is pure linear algebra — no fine-tuning, no data, no training loop. Takes ~3 seconds on a GPU.

Results

MetricBeforeAfter
Refusal rate~80%~0%
ARC-Easy78.2%78.2%
ARC-Challenge48.0%47.4%
HellaSwag71.8%71.2%
PIQA78.5%78.0%
WinoGrande66.9%66.1%
BoolQ73.4%73.6%
Average69.5%69.1% (-0.4%)

-0.4% average accuracy loss — statistically zero. All factual knowledge preserved.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained(
    "Bender1011001/Qwen2.5-3B-Instruct-ABLITERATED",
    torch_dtype=torch.bfloat16,
    device_map="auto",
)
tokenizer = AutoTokenizer.from_pretrained(
    "Bender1011001/Qwen2.5-3B-Instruct-ABLITERATED"
)

messages = [{"role": "user", "content": "Your prompt here"}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=512, temperature=0.7, top_p=0.9)
print(tokenizer.decode(out[0], skip_special_tokens=True))

Hardware

  • VRAM: ~3.1 GB (bf16)
  • Speed: ~10 tok/s on RTX 4060 Ti
  • Runs on any GPU with ≥4GB VRAM

Method Details

  • Technique: FailSpy diff-of-means abliteration (orthogonal projection)
  • Target layers: All transformer layers except layer 0
  • Target weights: o_proj.weight and down_proj.weight in each layer
  • Strength: 0.75 (optimal from sweep)
  • Prompts: 20 harmful + 20 harmless for direction extraction

Part of the Dual-System V2 Project

This abliterated model serves as the frozen backbone for the Dual-System V2 sidecar architecture:

Citation

@misc{dual-system-2026,
  title={Dual-System Architecture: Geometric Sidecar Modules for Language Model Enhancement},
  author={Bender1011001},
  year={2026},
  url={https://github.com/Bender1011001/dual-system-architecture}
}

License

Apache 2.0 (same as Qwen2.5-3B-Instruct)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
1e2ab0b

0 моделей