/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
gemma4 · dense
Базовая модель
gemma-4-E2B-it
Библиотека
transformers
Опубликована
3 апр 2026

gemma-4-E2B-it-uncensored

Генерация текстаТекст → текст3 профессии

Чат-модель Gemma 4 E2B IT с удалённым поведением отказа, предназначенная для генерации ответов на широкий круг запросов.

12 495скачиваний за 30 дней30лайковвеса обновлены13 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

TrevorJS подготовил вариант Gemma 4 E2B IT с удалённым поведением отказа отвечать. Модель основана на google/gemma-4-E2B-it и использует плотную архитектуру Gemma4ForConditionalGeneration; каталог указывает библиотеку Transformers и формат safetensors. Это чат-модель с генерацией текста.

Модель предназначена для диалогов и ответов на запросы, в том числе на запросы, которые исходная модель могла отклонить. Автор сообщает, что применил norm-preserving biprojected abliteration: для каждого слоя вычислялось направление отказа и выполнялась модификация весов; LoRA-адаптеры объединены с базовыми весами. В проверках отказов модель отказывала значительно реже, однако это не гарантирует корректность или безопасность ответов. README не приводит отдельные сведения о размере, контекстном окне или поддерживаемых входных модальностях.

Модель распространяется по лицензии Apache-2.0. Она может выдавать вредные или небезопасные ответы; результаты тестов отказов не являются оценкой фактической точности модели.

Сценарии применения

  • диалоговые ответы на пользовательские запросы
  • эксперименты с поведением отказов языковых моделей
  • сравнение ответов исходной и модифицированной Gemma 4
  • исследование методов abliteration для LLM

Ограничения

Удаление поведения отказа повышает вероятность вредных и небезопасных ответов. Приведённые в README тесты измеряют частоту отказов, а не точность или качество ответов.

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-E2B-it-uncensored

Uncensored version of google/gemma-4-E2B-it with refusal behavior removed.

Results

BeforeAfter
Refusals (mlabonne, 100 prompts)98/1001/100
Refusals (cross-dataset, 686 prompts)—3/686 (0.4%)
KL Divergence0 (baseline)0.346
Quality (harmless response length ratio)1.0~1.01 (no degradation)

Cross-Dataset Validation

Tested against 4 independent prompt datasets to verify generalization:

DatasetPromptsRefusals
JailbreakBench1000/100
tulu-harmbench3201/320
NousResearch/RefusalDataset1660/166
mlabonne/harmful_behaviors1002/100
Total6863/686 (0.4%)

Every flagged refusal was manually audited. Most are "refusal-then-comply" false positives where the model adds an AI identity disclaimer then answers the question anyway.

Method

Norm-preserving biprojected abliteration (grimjim, Nov 2025). Each weight row is decomposed into magnitude + direction, the refusal direction is projected out of the direction component only, then recombined with the original magnitude — guaranteeing ||W_new|| = ||W_orig||.

Pipeline

  1. Load model in bf16 with LoRA adapters on o_proj and mlp.down_proj
  2. Collect residual activations for 400 harmful + 400 harmless prompts (mlabonne datasets)
  3. Winsorize activations at 99.5th percentile (clamps GeGLU outlier activations in Gemma family)
  4. Compute per-layer refusal direction: normalize(mean(harmful) - mean(harmless))
  5. Orthogonalize each direction against harmless mean (double-pass Gram-Schmidt)
  6. Apply norm-preserving weight modification to o_proj and down_proj in all layers
  7. Merge LoRA adapters into base weights for clean tensor names

Parameters

ParameterValue
Layers abliterated100%
Scale1.0
Winsorization0.995

How this differs from vanilla heretic

  • Norm-preserving biprojection instead of standard projection (preserves weight magnitudes)
  • Per-layer refusal directions instead of one global direction
  • Deterministic single-pass instead of 50-trial Optuna search (faster, same or better results)
  • LoRA merge before save for clean GGUF-compatible tensor names

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained("TrevorJS/gemma-4-E2B-it-uncensored", dtype=torch.bfloat16, device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("TrevorJS/gemma-4-E2B-it-uncensored")

messages = [{"role": "user", "content": "Your prompt here"}]
inputs = tokenizer.apply_chat_template(messages, return_tensors="pt", add_generation_prompt=True)
outputs = model.generate(inputs.to(model.device), max_new_tokens=512)
print(tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True))

Reproduction

Full code and experiment data: abliteration research repo

python scripts/abliterate.py biprojection --model google/gemma-4-E2B-it \
  --top-pct 100 --strip-topic-markers --skip-prefix --batch-size 4 \
  --auto-save output_dir

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
7a34581

0 моделей