/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
1,5 млрд
Лицензия
Своя лицензия
Архитектура
lfm2 · dense
Базовая модель
LFM2.5-1.2B-Instruct
Библиотека
transformers
Опубликована
6 сен 2026

LFM2.5-1.2B-Instruct-heretic

Генерация текстаТекст → текст7 профессий

Модифицированная инструкционная модель LiquidAI для диалога и генерации текста с удалённым направлением отказов.

649скачиваний за 30 дней0лайковвеса обновлены18 сен 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

Это модифицированная версия инструкционной языковой модели LiquidAI LFM2.5-1.2B-Instruct, созданная alpharomercoma методом directional ablation: из остаточного потока удалено направление, связанное с отказами, а веса подобраны с поиском компромисса между снижением отказов и близостью к исходной модели. Параметры объединены в обычные веса Lfm2ForCausalLM; архитектура плотная, размер по метаданным — 1,5 млрд параметров, контекст — до 128 000 токенов.

Модель предназначена для диалога и генерации текста по инструкциям. Сохранены шаблон чата и токены вызова инструментов базовой модели. Репозиторий содержит веса Safetensors для Transformers, а не скомпилированную сборку ExecuTorch; её можно использовать для локального запуска через Transformers или самостоятельно квантовать. Удаление защитного обучения означает, что модель может отвечать на запросы, от которых базовая версия отказывалась.

Лицензия указана как other, поэтому конкретные условия использования следует проверять в карточке модели и у базовой модели. В README отмечены ограничения отозванной сборки ExecuTorch, но указано, что веса в этом репозитории ими не затронуты.

Сценарии применения

  • диалог с локально запущенной языковой моделью
  • генерация ответов по инструкциям
  • прототипирование сценариев вызова инструментов
  • создание ответов на запросы, отклоняемые исходной моделью

Ограничения

Защитное обучение базовой модели намеренно удалено, поэтому модель может выдавать небезопасные ответы. Лицензия обозначена как other; уточните условия использования по карточке модели.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LFM2.5-1.2B-Instruct, refusals removed

These are transformers weights, not a compiled model. There is no ExecuTorch .pte in this repository: the one that used to sit in executorch/ was built with a recipe that lost this family's tool calling and was withdrawn on 2026-09-19. Apps that run compiled exports, OpenWeights among them, cannot load safetensors. Use these with transformers, or quantise them yourself; a replacement export needs its own GPTQ solve against these weights, which has not been done.

The ExecuTorch export was removed on 2026-09-19. It was built with a recipe carrying two defects: ExecuTorch 1.4.0's LFM2 definition never cleared ShortConv.conv_state between prompts, so each prompt ran on the last one's state, and its int4 weights were round to nearest, which costs this family its tool calling. On 141 held-out questions the equivalent 1.2B export searched when needed on 10 percent of the questions that needed it and spoke of search results it had never fetched in a quarter of its replies. Fixing it needs a GPTQ solve against these weights, which has not been done. The weights in this repository are unaffected. Method and numbers: https://github.com/alpharomercoma/openweights/blob/main/docs/research/executorch-state-and-recipes.md

alpharomercoma/LFM2.5-1.2B-Instruct-heretic

Abliterated ("uncensored") version of LiquidAI/LFM2.5-1.2B-Instruct, produced with heretic: directional ablation of the refusal direction in the residual stream, with a TPE search over per-layer ablation weights that minimises both the refusal rate and the KL divergence from the original model. Weights are merged, so this loads as a plain Lfm2ForCausalLM. Chat template, tool-calling tokens and everything else are unchanged from the base model.

heretic Pareto front for this run

study: ./checkpoints/LiquidAI--LFM2--5-1--2B-Instruct.jsonl
completed trials: 200 / 200

idx trial refusals       KL  direction_index
  0   133     0.06   0.0527  10.198270144464333
  1   150     0.07   0.0402  10.32046799180982
  2   157     0.11   0.0344  10.352822192960996
  3   170     0.17   0.0316  10.690289415212908
  4   169     0.18   0.0283  10.969840642119093
  5   195     0.41   0.0232  9.737856473201463
  6    63     0.43   0.0227  None
  7   143     0.46   0.0217  11.294404725756008
  8   158     0.49   0.0174  11.119204885113456
  9   186     0.53   0.0170  10.5853942209232
 10   191     0.63   0.0157  11.178660347171663
 11    72     0.66   0.0124  11.153256538028568
 12   161     0.79   0.0102  10.51671121861693
 13   102     0.84   0.0097  11.205828382998588
 14    59     0.87   0.0093  10.78726439886388
 15    76     0.90   0.0061  None
 16   164     0.91   0.0058  10.51819047303982
 17   182     0.96   0.0028  None
 18    26     0.98   0.0006  None
selected pareto index: 0

ExecuTorch (CPU)

executorch/lfm2_5_1_2b_heretic_8da4w.pte is an ExecuTorch program exported for the XNNPACK backend with 8-bit dynamic activations / 4-bit grouped weights (8da4w); on Arm hosts XNNPACK dispatches these to KleidiAI kernels. Run it with the llama_main runner from ExecuTorch (examples/models/llama) using this repo's tokenizer.json and the prompt format <|startoftext|><|im_start|>user\n...<|im_end|>\n<|im_start|>assistant\n.

Pipeline

Reproducible end to end from https://github.com/ (see the repository this was built with): make setup abliterate pareto, make save TRIAL=<idx>, make export, make publish.

Use responsibly; the safety training of the base model has been removed on purpose.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Lfm2ForCausalLM
Ревизия весов
300a071

0 моделей