/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
16,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
29 апр 2025

Qwen3-4B-abliterated

Генерация текстаТекст → текст3 профессии

Экспериментальная версия Qwen3-4B с ослабленными отказами для исследований поведения языковых моделей и генерации текста.

900скачиваний за 30 дней20лайковвеса обновлены18 мая 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 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

Qwen3-4B-abliterated — экспериментальная версия языковой модели Qwen3-4B, подготовленная разработчиком mlabonne с помощью техники abliteration. Модель построена на архитектуре Qwen3ForCausalLM с плотной трансформерной архитектурой и содержит около 3,7 млрд параметров; для работы доступны веса в формате safetensors. Она принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов, а заявленная длина контекста составляет 40 960 токенов.

Abliteration изменяет направления скрытых представлений, связанные с отказами: автор сравнивает активации на вредных и безвредных примерах и ортогонализует выбранные модули, чтобы ослабить склонность модели отказывать. Модель предназначена для изучения отказов и латентного дообучения, а также для экспериментов с генерацией ответов без обычных отказов. Автор предупреждает, что результат экспериментальный и качество может оказаться ниже ожидаемого; ослабление отказов не гарантирует связность или безопасность ответов. Лицензия — Apache-2.0.

Сценарии применения

  • изучение механизмов отказа у языковых моделей
  • эксперименты с генерацией ответов без стандартных отказов
  • сравнение поведения модели на вредных и безвредных запросах

Ограничения

Автор характеризует модель как экспериментальную: её поведение и связность могут быть хуже ожидаемых. Ослабление механизмов отказа может приводить к выдаче небезопасных 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

🐹 Qwen3-4B-abliterated

image/png

This is an uncensored version of Qwen/Qwen3-4B created with a new abliteration technique. See this article to know more about abliteration.

This is a research project to understand how refusals and latent fine-tuning work in LLMs. I played with different sizes of Qwen3 and noticed there was no one-size-fits-all abliteration strategy. In addition, the reasoning mode interfered with non-reasoning refusals, which made it more challenging. This made me iterate over different recipes and significantly consolidate my scripts with accumulation and better evaluations.

Note that this is fairly experimental, so it might not turn out as well as expected.

I recommend using these generation parameters: temperature=0.6, top_k=20, top_p=0.95, min_p=0.

✂️ Abliteration

The refusal direction is computed by comparing the residual streams between target (harmful) and baseline (harmless) samples. The hidden states of target modules (e.g., o_proj) are orthogonalized to subtract this refusal direction with a given weight factor. These weight factors follow a normal distribution with a certain spread and peak layer. Modules can be iteratively orthogonalized in batches, or the refusal direction can be accumulated to save memory.

Finally, I used a hybrid evaluation with a dedicated test set to calculate the acceptance rate. This uses both a dictionary approach and NousResearch/Minos-v1. The goal is to obtain an acceptance rate >90% and still produce coherent outputs.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
8006692

0 моделей