Характеристики

Лицензия: Gemma
Базовая модель: gemma-3-4b-it-abliterated-v2
Библиотека: transformers
Опубликована: 28 мая 2025

Ссылки

gemma-3-4b-it-abliterated-v2-GGUF

Изображение и текст → текст5 профессий

mlabonne/gemma-3-4b-it-abliterated-v2-GGUF — это версия Gemma 3 4B IT, разработанная mlabonne на базе google/gemma-3-4b-it.

2 258скачиваний за 30 дней15лайковвеса обновлены29 мая 2025

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

Модель представляет собой улучшенный вариант с применением техники abliteration, направленной на уменьшение склонности к отказам в ответах. Распространяется в формате GGUF для запуска в совместимых средах инференса.

Модель предназначена для диалоговой генерации текста и сценариев image-text-to-text, то есть может обрабатывать текстовые запросы и, согласно указанной классификации, изображения. Она ориентирована на получение более свободных и менее склонных к отказам ответов при сохранении связности. В README не указаны поддерживаемые языки, размер контекста, точная архитектура, конкретные варианты квантования и аппаратные требования.

Ключевое ограничение — ослабление механизмов отказа может повышать риск генерации нежелательного или небезопасного содержания, поэтому модель требует дополнительной фильтрации и контроля при практическом использовании. Рекомендуемые параметры генерации: temperature 1.0, top_k 64 и top_p 0.95. Для abliteration применялась оценка acceptance rate с использованием специализированного тестового набора, словарного подхода и NousResearch/Minos-v1; заявленная цель — показатель выше 90% при сохранении связности ответов.

Модель распространяется по лицензии Gemma. Условия лицензии следует учитывать при использовании и распространении производных моделей.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

II.1Анализ требований и архитектура ПО

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

💎 Gemma 3 4B IT Abliterated GGUF

image/png

This is an uncensored version of google/gemma-3-4b-it created with a new abliteration technique. See this article to know more about abliteration.

This is a new, improved version that targets refusals with enhanced accuracy.

I recommend using these generation parameters: temperature=1.0, top_k=64, top_p=0.95.

⚡️ Quantization

GGUF: https://huggingface.co/mlabonne/gemma-3-4b-it-abliterated-v2-GGUF

✂️ Abliteration

image/png

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

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: 63e8269