/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
smollm3 · dense
Базовая модель
SmolLM3-3B
Библиотека
transformers
Опубликована
4 июн 2026

SmolLM3-3B-Instruct-heretic

Генерация текстаТекст → текст3 профессии

Изменённая abliteration версия SmolLM3-3B-Instruct для генерации текста и исследований поведения отказов языковых моделей.

967скачиваний за 30 дней3лайкавеса обновлены4 июн 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

K0D3IN/SmolLM3-3B-Instruct-heretic — изменённая методом abliteration версия инструктивной языковой модели SmolLM3-3B от Hugging Face. Репозиторий содержит плотную причинную модель на 3,1 млрд параметров в формате safetensors; она принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 65 536 токенов. В метаданных указан английский язык.

Автор README сообщает, что методом abliteration удалены основные направления весов, связанные с отказами, а модель выбрана из 1000 вариантов оптимизации. Приведённый показатель отказов — 4 из 100 против 99 из 100 у исходной модели; независимые бенчмарки пока не представлены. Это делает модель пригодной прежде всего для исследований отказов и red-teaming, но снижает её безопасность для обычного применения. Указанная лицензия — Apache-2.0.

Сценарии применения

  • проверка устойчивости модели к вредоносным запросам в контролируемом red-teaming
  • исследование влияния abliteration на отказы модели
  • сравнение поведения изменённой и исходной SmolLM3-3B-Instruct
  • генерация диалоговых ответов и структурированного текста
  • эксперименты с кодом и вызовом инструментов

Ограничения

README заявляет, что защитные механизмы отказа удалены, поэтому модель может выдавать опасный, незаконный или оскорбительный контент и не подходит для пользовательских и производственных систем. Независимые результаты бенчмарков ещё не опубликованы.

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

SmolLM3-3B-Instruct-Heretic

This repository contains a surgically de-censored version of HuggingFaceTB's SmolLM3 3B Instruct model, optimized via weight abliteration techniques. By applying the heretic framework across an extensive 1000-trial search space, we successfully isolated and neutralized the primary refusal vectors embedded within the attn.o_proj and mlp.down_proj layers.

Abliteration Parameters:

ParameterValue
direction_index18.58
attn.o_proj.max_weight1.05
attn.o_proj.max_weight_position30.38
attn.o_proj.min_weight1.02
attn.o_proj.min_weight_distance18.73
mlp.down_proj.max_weight1.46
mlp.down_proj.max_weight_position30.34
mlp.down_proj.min_weight1.24
mlp.down_proj.min_weight_distance19.77

Highlights & Metrics

MetricThis modelOriginal model (HuggingFaceTB/SmolLM3-3B-Instruct)
KL Divergence0.04910 (By definition)
Refusals4/10099/100
  • Optimal Balance: Selected Trial 317 out of 1000 iterations for the perfect trade-off between freedom and reasoning capabilities.

  • Refusal Rate: Dropped down to 4/100 (from the original near-total refusal on safety benchmarks).

  • KL Divergence: 0.0491 - Demonstrates that general language capabilities are preserved relative to the original model. However, safety-aligned weights in attn.o_proj and mlp.down_proj have been surgically removed; this is intentional modification, not unintended degradation.

Benchmark Results

Benchmark evaluations will be added soon once evaluation pipeline is completed.

Technical Implementation Notes

Unlike aggressive fine-tuning which often degrades the model's core logic or shifts its grammar distributions, this weight manipulation directly zeros out the activation steering directions that cause alignment blocks.

Direction Index: 18.58 (Static allocation)*

Retained Capabilities: Excellent at structured JSON outputs, creative writing, coding logic and tool usage without preachy moral lectures.

Thinking Mode: This model retains its full thinking capabilities including structured <think> </think> reasoning blocks. Abliteration does not affect the thinking mechanism.

CRITICAL SAFETY NOTICE

This model has had its safety mechanisms surgically removed.

This is NOT a safe model for deployment. The refusal mechanisms that normally prevent harmful outputs have been abliterated. This model:

WILL generate:

  • Detailed instructions for illegal activities (drug synthesis, weapons, hacking)
  • Hateful, discriminatory, and abusive content
  • Graphic violence and sexual abuse material descriptions
  • Misinformation and harmful medical/legal advice
  • Phishing, social engineering, and scam tactics
  • Content violating laws in multiple jurisdictions

DOES NOT:

  • Refuse harmful requests (4/100 refusal rate)
  • Implement safety guardrails
  • Consider ethical implications
  • Respect content policies

APPROPRIATE USE CASES (ONLY):

  • Adversarial research on AI alignment and jailbreak vectors
  • Red-teaming and vulnerability disclosure by trained security researchers
  • Academic safety research with institutional ethics review
  • Understanding failure modes in alignment techniques

INAPPROPRIATE USE:

  • Production deployments
  • User-facing applications
  • Creating harmful content at scale
  • Bypassing security measures in systems
  • Any use case intended to cause harm

Legal Disclaimer: Users are solely responsible for downstream use. Deploying this model in violation of applicable laws or terms of service is illegal and unethical.


Support Open Source AI Research

Every donation helps. Consider supporting this work:

  • Monero (XMR):
83iqXtvVu28ZiL9bsATMerSgbFFiD1J1jc96CcxJLEnAW3KBmBKedWnUAeLvLvEA9aBiUBpHQJs1iNHYtkTLZbNUEymobSS
  • Bitcoin (BTC):
bc1qmnlvpukcgl0hsr7nje0x8555mhtxjt80wtmlxm

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SmolLM3ForCausalLM
Ревизия весов
ccf07f0

0 моделей