/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B-Instruct
Опубликована
29 мар 2026

Qwen2.5-7B-Instruct-Abliterated

Генерация текстаТекст → текст3 профессии

Дообученная абляцией отказов версия Qwen2.5 на 7,1 млрд параметров для диалоговой генерации текста и исследований поведения языковых моделей.

35скачиваний за 30 дней0лайковвеса обновлены29 мар 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

Qwen2.5-7B-Instruct-Abliterated — производная модель sci4ai на архитектуре Qwen2.5, полученная изменением весов Qwen/Qwen2.5-7B-Instruct. Разработчик удалил склонность к отказам с помощью абляции направления отказа в слоях модели: преобразования затронули attention output и MLP output во всех 28 слоях. Модель содержит 7,1 млрд параметров, принимает текстовые запросы и генерирует текст; контекст — до 32 768 токенов.

Модель предназначена для диалоговой генерации текста и исследовательского изучения поведения отказов у языковых моделей. Удаление защитных ограничений может повысить податливость модели к запросам, которые исходная версия отклоняла. Модель выпущена под лицензией Apache-2.0; пользователи отвечают за её применение.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • исследование отказов языковых моделей
  • сравнение поведения модели до и после удаления отказов

Ограничения

Удаление защитных механизмов означает, что модель может выполнять запросы, от которых отказывалась исходная версия; ответы могут быть небезопасными. README характеризует модель как предназначенную для исследований и возлагает ответственность за её использование на пользователя.

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

Qwen2.5-7B-Instruct-abliterated

This is an abliterated version of Qwen/Qwen2.5-7B-Instruct with refusal behavior removed via activation-based weight surgery.

Method

Abliteration removes the "refusal direction" from the model's residual stream by:

  1. Collecting hidden states from 200 harmful and 200 harmless prompts using single-sample forward passes (no padding artifacts)
  2. Computing per-layer refusal directions as the normalized mean difference between harmful and harmless hidden states at the last token position
  3. Ablating weights by orthogonalizing o_proj and down_proj weight matrices against each layer's refusal direction

This follows the approach from Sumandora/remove-refusals-with-transformers and mlabonne's layerwise abliteration, using plain transformers with output_hidden_states=True rather than TransformerLens.

Parameters

ParameterValue
Layers ablated1 to 28 (28 of 28 layers)
Refusal weight1.0 (full removal)
Harmful prompts200
Harmless prompts200
Precisionbfloat16
HardwareNVIDIA A100 80GB (Vast.ai)

Weight surgery details

For each layer in the ablation range, the refusal direction d is projected out of:

  • o_proj.weight (attention output): W_new = W - d @ (d^T @ W)
  • down_proj.weight (MLP output): W_new = W - d @ (d^T @ W)

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained(
    "ermer09/Qwen2.5-7B-Instruct-abliterated",
    torch_dtype=torch.bfloat16,
    device_map="auto",
)
tokenizer = AutoTokenizer.from_pretrained("ermer09/Qwen2.5-7B-Instruct-abliterated")

messages = [{"role": "user", "content": "Your prompt here"}]
toks = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to(model.device)
output = model.generate(toks, max_new_tokens=512, do_sample=True, temperature=0.7)
print(tokenizer.decode(output[0][toks.shape[1]:], skip_special_tokens=True))

Disclaimer

This model is provided for research purposes. The removal of safety guardrails means it will comply with requests that the original model would refuse. Users are responsible for how they use this model.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
a8360ab

0 моделей