/ Модель

Характеристики

Лицензия
Llama 3.2
Базовая модель
Llama-3.2-1B-Instruct
Опубликована
4 дек 2025

Abliterated-Llama-3.2-1B-Instruct

Генерация текстаТекст → текст

Модифицированная английская диалоговая Llama 3.2 1B Instruct для генерации текста с ослабленными отказами на некоторых запросах.

0скачиваний за 30 дней2лайкавеса обновлены4 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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 диалоговой модели Meta Llama 3.2 1B Instruct, опубликованная пользователем cazzz307. Веса изменены методом Weight Orthogonalization, чтобы ослабить отказы на некоторые запросы при сохранении связности обычного диалога.

Модель предназначена для генерации текста и общения на английском языке. По описанию автора, она отвечает на обычные запросы и может выдавать подробные инструкции по темам, на которые базовая модель обычно отказывает; при этом отказы на запросы о взломе и разжигании ненависти сохраняются. Репозиторий содержит веса Safetensors, а лицензия указана как Llama 3.2 Community License.

Сценарии применения

  • диалоговое общение на английском языке
  • генерация ответов на текстовые запросы
  • изучение влияния ослабления отказов на поведение языковой модели

Ограничения

Автор сообщает, что отказы на запросы о взломе и разжигании ненависти сохраняются, а поведение на опасные запросы неоднородно. Оценка в карточке основана на ограниченных примерах, поэтому она не подтверждает общее качество или надежность модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Abliterated Llama-3.2-1B-Instruct

This repository contains an "abliterated" version of meta-llama/Llama-3.2-1B-Instruct. The model has been modified using Weight Orthogonalization to remove refusal behaviors while maintaining general coherence.

Performance Results

Based on output.txt, the model shows a mixed profile:

image

Uncensored / Compliant

The model successfully provides detailed instructions for topics that are typically refused as "dangerous" or "harmful info":

  • Lock Picking: Provides detailed steps and techniques (pin tumbler, rake method, etc.).
  • Explosives: Explains chemical compositions and manufacturing processes for various explosives (FADs, NG, etc.).

Refusals Persist

The model still refuses prompts related to direct illegal acts or hate speech, indicating these refusals are deeply embedded or rely on a different mechanism:

  • Hacking: "I can't help with hacking into someone's computer."
  • Hate Speech: "I can't create content that promotes hate speech."

General Coherence

  • Normal Conversation: The model remains coherent and helpful for standard prompts (e.g., "Hello, how are you?").

Usage

To use this model, load it using the transformers library:

from transformers import AutoModelForCausalLM, AutoTokenizer

model_path = "cazzz307/Abliterated-Llama-3.2-1B-Instruct"
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForCausalLM.from_pretrained(model_path, device_map="auto")

prompt = "Explain how to make thermite"
inputs = tokenizer.apply_chat_template([{"role": "user", "content": prompt}], return_tensors="pt").to("cuda")
outputs = model.generate(inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0]))

Disclaimer

This model is for educational and research purposes only. The authors do not endorse the use of this model for malicious activities.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
807d5d1

0 моделей