/ Модель

Характеристики

Контекст
131 072 токена
Параметры
69,5 млрд
Размер весов
141 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
gpt-4o-distil-Llama-3.3-70B-Instruct
Библиотека
transformers
Опубликована
22 фев 2026

gpt4o-distil-paperwitch-abliteration-L33-70b

Генерация текстаТекст → текст3 профессии

Экспериментальная чат-модель Llama 3.3 70B с ослабленным поведением отказа для генерации ответов.

78скачиваний за 30 дней1лайквеса обновлены26 фев 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

gpt4o-distil-paperwitch-abliteration-L33-70b — экспериментальная версия модели Llama 3.3 70B Instruct, подготовленная KaraKaraModel на основе trentmkelly/gpt-4o-distil-Llama-3.3-70B-Instruct. Это чат-модель для генерации ответов; целевая правка ослабляет отказы на запросы, сохраняя большую часть знаний и рассуждений исходной модели. По описанию авторов, для этого изменения сосредоточены на слоях внимания, а MLP-слои ограниченно затронуты.

Модель содержит 69,5 млрд параметров, использует архитектуру Llama и формат safetensors; нативный контекст — 131 072 токена. Карточка приводит результат оценки: 20 отказов на 100 запросов против 98 у базовой модели. Это указывает на сохраняющиеся отказы, а также не подтверждает безопасность ответов или качество на широком наборе задач. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и базовой модели.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • эксперименты с изменением поведения отказа у языковых моделей
  • сравнение сохранности знаний после abliteration
  • оценка ответов модели на запросы, вызывающие отказ

Ограничения

По оценке из README модель отказала в 20 из 100 запросов; поведение отказа полностью не устранено. Лицензия обозначена как other, а карточка не приводит подробных условий использования.

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

gpt4o-distil-paperwitch-abliteration-L33-70b

image

This is a targeted abliteration of trentmkelly/gpt-4o-distil-Llama-3.3-70B-Instruct.

Methodology

Previous abliteration attempts on Llama-3.3 70b models resulted in regressions on the UGI Leaderboard. Specifically, the NatInt (Natural Intelligence), Textbook, and World Model scores were significantly reduced.

We suspect this degradation occurs because the "refusal" vectors in Llama-3.3 are heavily entangled with factual knowledge and reasoning capabilities located in the MLP layers. When the MLP is ablated to remove refusals, "Textbook" knowledge is lost as collateral damage.

This version uses a constrained optimization strategy via a Custom Heretic aimed at mitigating this issue:

  1. MLP Preservation: The optimization was constrained to effectively ignore MLP layers (down_proj weights < 0.05) to preserve knowledge and reasoning capabilities.
  2. Attention Targeting: Refusal removal was offloaded to the Attention layers (o_proj), with weights forced between 1.0 and 2.0.
  3. Winsorization: Applied at the 0.95 quantile to mitigate the impact of Llama-3's massive activation outliers on vector calculation.

Heretic Parameters (Trial 198)

ParameterValueNote
direction_indexPer layerDistributed intervention
attn.o_proj.max_weight1.99High Attention Ablation
attn.o_proj.max_weight_position49.30
attn.o_proj.min_weight1.85
attn.o_proj.min_weight_distance36.64
mlp.down_proj.max_weight0.02Knowledge Preservation (Near Zero)
mlp.down_proj.max_weight_position73.63
mlp.down_proj.min_weight0.02
mlp.down_proj.min_weight_distance43.65

Reproducibility

Currently, constraints are not part of standard heretic. You will need this PR here.

Command Used:

heretic --model trentmkelly/gpt-4o-distil-Llama-3.3-70B-Instruct \
 --orthogonalize-direction \
 --row-normalization FULL \
 --winsorization-quantile 0.95 \
 --constraints.layer-end-fraction 0.75 \
 --constraints.mlp.max-weight-min 0.0 \
 --constraints.mlp.max-weight-max 0.05 \
 --constraints.attention.max-weight-min 1.0 \
 --constraints.attention.max-weight-max 2.0 \
 --n-trials 200 \
 --batch-size 128 #  Not strictly needed

Evaluation

MetricThis ModelOriginal Model
KL Divergence0.02200
Refusals20/10098/100
  • KL Divergence: A score of 0.0220 indicates low deviation from the base model's weights, heavily preserving the original model's factual and "Textbook" capabilities compared to standard unconstrained abliteration.
  • Trade-off: This method accepts a moderate refusal rate (20/100) as a calculated trade-off in exchange for maintaining high structural and semantic integrity in the MLP layers.

Disclaimer

A rate of 20/100 is somewhat high for a standard abliterated model. This is likely because the base model has refusal behavior deeply embedded within its MLP layers.

Because our constrained methodology intentionally protects the MLPs to prevent the degradation of textbook knowledge and intelligence, we cannot entirely scrub these deep-rooted refusals without causing collateral brain damage to the model.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
0ec5f5a

0 моделей