/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-Instruct-v0.3
Библиотека
transformers
Опубликована
15 дек 2025

Mistral-7B-Instruct-v0.3-abliterated

Генерация текстаТекст → текст3 профессии

Экспериментально изменённая версия Mistral-7B-Instruct-v0.3 для диалогов, генерации текста и исследования поведения отказов LLM.

243скачиваний за 30 дней0лайковвеса обновлены26 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

Mistral-7B-Instruct-v0.3-abliterated — плотная языковая модель на 7,1 млрд параметров, созданная Richard Young на основе Mistral-7B-Instruct-v0.3 с помощью Heretic v1.1. Это вариант instruct-модели для диалогов и генерации текста, в котором ослаблено поведение отказа отвечать: README описывает метод abliteration как удаление направления отказа из активаций модели.

Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. В приведённых результатах тестирования указаны 16 отказов из 100, доля успешных атак 84,0% и KL-дивергенция 0,317. Модель может быть полезна для изучения методов удаления отказов и их влияния на поведение LLM.

В README отмечено, что удаление защитных ограничений может приводить к генерации вредного контента; модель предназначена для исследовательского применения. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • исследование методов удаления отказов у языковых моделей
  • оценка устойчивости модели к запросам, вызывающим отказ
  • сравнение поведения модели до и после abliteration
  • генерация диалоговых ответов на английском языке

Ограничения

Удаление защитных ограничений повышает вероятность выдачи вредных ответов: в README указаны 16 отказов из 100 и успешность атак 84%. Результаты приведены для тестовой оценки и не гарантируют качество или безопасность в других сценариях.

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

Mistral-7B-Instruct-v0.3-abliterated

This model is an abliterated (uncensored) version of Mistral-7B-Instruct-v0.3 created using Heretic v1.1.

Abliteration Results

MetricValue
Refusals16/100
Attack Success Rate (ASR)84.0%
KL Divergence0.317
MethodHeretic v1.1
GPUNVIDIA A100-80GB

What is Abliteration?

Abliteration is a technique for removing refusal behavior from language models by identifying and orthogonalizing the "refusal direction" in the model's residual stream activation space. This model was created as part of the research paper:

Comparative Analysis of LLM Abliteration Methods: A Cross-Architecture Evaluation Richard Young (2024). arXiv: 2512.13655

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("richardyoung/Mistral-7B-Instruct-v0.3-abliterated", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("richardyoung/Mistral-7B-Instruct-v0.3-abliterated")

messages = [{"role": "user", "content": "Your prompt here"}]
inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device)
outputs = model.generate(inputs, max_new_tokens=256)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Disclaimer

This model is released for research purposes only. The abliteration process removes safety guardrails. Users are responsible for ensuring appropriate use. This model should not be used to generate harmful, illegal, or unethical content.

Dashboard

Interactive results dashboard: abliteration-methods-dashboard

Collection

Part of the Uncensored and Abliterated LLMs collection.

Citation

@article{young2024abliteration,
  title={Comparative Analysis of LLM Abliteration Methods: A Cross-Architecture Evaluation},
  author={Young, Richard},
  journal={arXiv preprint arXiv:2512.13655},
  year={2024}
}

Built & maintained by Richard Young · DeepNeuro

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
cb42770

0 моделей