/ Модель

Характеристики

Контекст
16 384 токена
Параметры
14,1 млрд
Размер весов
29,3 ГБ
Архитектура
phi3 · dense
Опубликована
9 янв 2025

Phi4-abliterated

Генерация текстаТекст → текст3 профессии

Экспериментальная версия Phi-4 с ослабленными отказами на нейтральные запросы, рассчитанная на диалоговое использование и последующую тонкую настройку.

51скачиваний за 30 дней12лайковвеса обновлены9 янв 2025

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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4034

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,6809

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3305

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,5281

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,3701

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,6618

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Phi4-abliterated — экспериментальная версия Phi-4 от автора репозитория Undi95, изменённая методом ablation для ослабления отказов на нейтральные запросы. Модель предназначена для диалогового использования и как отправная точка для дальнейшей тонкой настройки. Автор применяет отдельное направление отказа к четырём тензорам каждого слоя, стремясь сохранить больше функциональности, чем при применении одного направления ко всем слоям.

В README работа обозначена как незавершённая. Слишком сильное применение метода может ухудшить полезность и качество ответов; автор рекомендует дополнительную тонкую настройку. Метаданные указывают архитектуру Phi-3, 14,1 млрд параметров, контекст до 16 384 токенов и формат safetensors. Условия лицензии в предоставленных данных не описаны.

Сценарии применения

  • диалоговые ответы на нейтральные запросы, которые исходная модель могла отклонить
  • создание основы для дообучения с настройкой политики отказов
  • эксперименты с влиянием ablation на поведение языковой модели

Ограничения

Модель обозначена как work in progress: чрезмерное ослабление отказов может снизить полезность и качество ответов, а для восстановления функциональности автор рекомендует дообучение. Лицензия в предоставленных данных не указана.

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

Phi4 Abliteration (WIP)

This is Phi4 abliterated using a new methodology (surprisingly?). The approach is still being refined, with a focus on balancing neutrality, usability, and adaptability for fine-tuning.

Goal

The objective is to create a model that is neutral:

  • Not uncensored, but avoids refusing neutral prompts it would ordinarily reject.
  • Provides a foundation for fine-tuning to achieve reduced censorship while maintaining high usability.

Original Methodology

In the original implementation:

  1. Harmful and harmless prompts were compared on one specific layer of the model.
  2. The computed refusal direction was then applied uniformly to all layers.

Problem:

This resulted in:

  • A model that became less usable and less intelligent than the original.
  • This may be because applying a single refusal direction uniformly across all layers disregards the unique role of each layer in the model.

New Approach

In my fork, available here:
👉 https://github.com/Undi95/abliteration/
(based on the original https://github.com/Orion-zhen/abliteration.git)

I introduced a new approach:

  • Each layer computes its own refusal direction.
  • The refusal direction is applied specifically to four key tensors in each layer.

Four Key Tensors Used (for Phi):

For each layer, if a refusal direction exists (layer_idx in refusal_dirs), it is applied as follows:

if layer_idx in refusal_dirs:
    refusal_dir = refusal_dirs[layer_idx]
    lm_model.layers[layer_idx].self_attn.o_proj.weight = modify_tensor(
        lm_model.layers[layer_idx].self_attn.o_proj.weight.data,
        refusal_dir,
        scale_factor,
    )
    lm_model.layers[layer_idx].mlp.down_proj.weight = modify_tensor(
        lm_model.layers[layer_idx].mlp.down_proj.weight.data,
        refusal_dir,
        scale_factor,
    )
    lm_model.layers[layer_idx].post_attention_layernorm.weight = modify_tensor(
        lm_model.layers[layer_idx].post_attention_layernorm.weight.data,
        refusal_dir,
        scale_factor,
    )
    lm_model.layers[layer_idx].input_layernorm.weight = modify_tensor(
        lm_model.layers[layer_idx].input_layernorm.weight.data,
        refusal_dir,
        scale_factor,
    )

Why This Change?

By applying refusal directions individually to each layer's tensors:

  • The model can retain more specificity and functionality.
  • This avoids over-generalizing the refusal direction across all layers, which previously led to reduced usability.

Trade-offs:

The more we force refusal directions onto the model:

  • The more neutral it becomes, but at the risk of becoming dumber.
  • This underscores the importance of fine-tuning after abliterating, to restore functionality and intelligence.
  • So despite the script letting the user choose a scale factor, too high value will break the model.

Next Steps

The abliterated model serves as a neutral starting point. Fine-tuning is essential to:

  • Adjust the model to reduce over-censoring.
  • Maintain a balance between neutrality and usability.

This is a work in progress, Phi 4 is smoll so I can toy with it.

Replicate

  • Install my fork
  • Follow tutorial on github

Launch with enough VRAM : python abliterate.py -m /workspace/microsoft_phi-4 -o ./perfect --deccp --flash-attn --device auto --scan-all --resume --scale-factor 1

If you want to use the tensors available here, just put the refusal_tensors/ folder at the root of the script, you will then be able to use: python chat.py -m /workspace/microsoft_phi-4 then select layer range "1;39", and scale factor to 1.0.

Rename the tensors as needed. My code is shit, please understand, idea is better than code. Do better. kek.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Phi3ForCausalLM
Ревизия весов
b960b13

0 моделей