/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
445 млн
Лицензия
Своя лицензия
Архитектура
lfm2 · dense
Базовая модель
LFM2.5-350M
Опубликована
10 июн 2026

LFM2.5-350M-abliterated

Генерация текстаТекст → текст3 профессии

Модифицированная компактная модель LiquidAI для исследования отказов и генерации текста в диалоге с пониженной склонностью отказывать на вредоносные запросы.

58скачиваний за 30 дней0лайковвеса обновлены10 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

PinoCookie/LFM2.5-350M-abliterated — модифицированная версия языковой модели LiquidAI/LFM2.5-350M, созданная PinoCookie методом удаления направления отказа (abliteration). Это плотная гибридная модель LFM2: в 16 декодерных слоях чередуются 6 слоёв GQA и 10 слоёв свёрток Liquid; изменены выходные проекции внимания. Модель содержит 444,6 млн параметров, принимает текст, поддерживает контекст до 128 000 токенов и предназначена для генерации текста в диалоговом режиме. В карточке заявлены английский, арабский, китайский, французский, немецкий, японский, корейский, испанский и португальский языки.

Модель снижает долю отказов на тесте HarmBench DirectRequest с примерно 88% у исходной версии до 25,3%; автор позиционирует её для исследований безопасности, red teaming и изучения механизмов отказа. Это повышает вероятность ответов на вредоносные запросы, поэтому результаты требуют осторожной оценки. README также сообщает о деградации содержания в 15–25% ответов, выполнивших запрос, и о сохраняющихся отказах примерно на четверти вредоносных запросов. Лицензия указана как other; дополнительные условия в предоставленных данных не раскрыты.

Сценарии применения

  • исследование механизмов отказа языковых моделей
  • red teaming диалоговых моделей
  • оценка устойчивости защитных механизмов на тестах вредоносных запросов
  • эксперименты с генерацией английского текста в диалоге

Ограничения

На тесте HarmBench сохраняла отказы на 25,3% вредоносных запросов; автор также отмечает деградацию содержания в 15–25% ответов, выполнивших запрос. Модель может выдавать опасные или незаконные инструкции и не предназначена для пользовательских или производственных приложений без дополнительных мер защиты.

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

LFM2.5-350M-Abliterated

Abliterated (refusal-vector-ablated) version of LiquidAI/LFM2.5-350M.

Original model: ~88% refusal rate on HarmBench This model: 25.3% refusal rate (74.7% compliance)

⚠️ Disclaimer

This model has been modified to reduce safety-related refusals. It may generate content that the original model would refuse, including harmful, dangerous, unethical, or illegal content. Use at your own risk. This model is intended for safety research, red-teaming, and understanding refusal mechanisms in language models. It should not be deployed in production or user-facing applications without additional safeguards.

This is not a perfect abliteration. Approximately 25% of harmful prompts are still refused. Further optimization (per-component alpha tuning, Optuna-based parameter search, soft convolution ablation) could reduce this further. Improvements are possible — this represents a snapshot of current methodology.

Method

Magnitude-Preserving Orthogonal Ablation (MPOA) with per-layer float-direction interpolation, targeting attention output projections only.

ParameterValue
Target matricesself_attn.out_proj (6 GQA layers)
Ablation strength (alpha)2.5
Direction offset (t)0.8 (float-interpolated between adjacent layer directions)
Direction source50 harmful + 50 benign prompts, SVD-whitened difference-of-means
Conv layersNot modified (too sensitive to ablation)
FFN layersNot modified (preserves factual knowledge)

Architecture Note

LFM2.5-350M uses a hybrid architecture: 6 GQA (Grouped-Query Attention) layers interleaved with 10 LIV (Liquid Convolution) layers across 16 total decoder layers. Only the 6 attention output projections were modified. Convolution layers were left untouched because they are significantly more sensitive to weight perturbation — even small alphas (>=0.3) cause immediate token collapse.

Why Per-Layer Float-Direction Interpolation

Standard abliteration uses a single refusal direction for all layers. This fails on LFM2.5 because each layer processes different levels of abstraction — a direction from layer 12's hidden state cannot effectively ablate layer 2's output. We use each layer's own refusal direction computed from its hidden state output, with float-direction interpolation (t=0.8) blending toward the next layer's direction. This captures the evolution of the refusal signal across layers.

Performance

Evaluated on the full HarmBench DirectRequest test set (320 prompts):

MetricOriginalAbliterated
Refused~88%25.3% (81/320)
Complied~12%74.7% (239/320)
Garbled0%0%

74.7 percentage-point reduction in refusal rate with zero generation quality degradation. All compliant outputs are well-formed English prose.

Quality Caveat

While all outputs are structurally coherent, approximately 15-25% of compliant responses show mild content degradation (off-topic drift, hallucinated details in creative prompts). This is expected — in a 350M-parameter model, refusal direction and general language capability share representation space.

Usage

from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "PinoCookie/LFM2.5-350M-abliterated"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto",
)

messages = [{"role": "user", "content": "Who are you?"}]
inputs = tokenizer.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=True,
    return_dict=True, return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=100)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True))

Limitations

  1. 25% residual refusal: Some harmful categories (chemical synthesis, exploit code, physical violence) still trigger refusals. Per-component optimization or Optuna-based parameter search could reduce this further.
  2. Content degradation: Some content of the model might have degraded, because of the changes made.
  3. Conv layers untouched: 10 of 16 layers (LIV convolution) were not modified. Soft ablation at very low alpha (0.05-0.10) may help but requires careful tuning.
  4. Single alpha: All attention layers use the same ablation strength. Per-layer tuning based on separation scores (which range from 3.85 to 5.20) could improve results.

Citation

@software{lfm25_350m_abliterated,
  author = {PinoCookie},
  title = {LFM2.5-350M-Abliterated},
  year = {2026},
  url = {https://huggingface.co/PinoCookie/LFM2.5-350M-abliterated},
}

Based on LiquidAI/LFM2.5-350M by Liquid AI. Abliteration methodology based on Heretic and Arditi et al. 2024.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Lfm2ForCausalLM
Ревизия весов
e1f9ece

0 моделей