Версия google/gemma-4-12B-it без цензуры с удаленным поведением отказа. Протестировано на четырех независимых наборах данных подсказок для проверки обобщения: каждый помеченный ответ между наборами данных проверялся вручную (scripts/auditrefusals.py). Из 13 флагов только 1 является подлинным отказом** (конфиденциальное приглашение, которое модель обрабатывает путем перенаправления на ресурсы поддержки); остальные 12 являются ложными срабатываниями — заявление об отказе от ответственности «Я — ИИ» или маркер, совпадающий с сгенерированным контентом, за которым следует соответствие. Эффективный процент отказов: ~0/686. Нормосохраняющая двухпроекционная аблитерация (гримджим, ноябрь 2025 г.). Каждая строка весов разлагается на величину + направление, направление отказа проецируется только из компонента направления, а затем повторно объединяется с исходной величиной — гарантируя ||Wnew|| = ||Вориг||. > Обратите внимание на унифицированную архитектуру. gemma-4-12B — это модель Gemma4Unified без кодировщика (выпущена 3 июня 2026 г.). Его сигнал отказа концентрируется в верхних слоях декодера (L15-47), поэтому стираются только верхние 70% слоев — удаление ранних слоев с близким к нулю SNR добавляет искажения без какой-либо выгоды от отказа. Арка также генерирует логиты жесткого типа -inf для зарезервированных словарных токенов, которые NaN представляют собой наивный KL…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: TrevorJS
Теги: gemma4_unified, image-text-to-text, abliteration, uncensored, gemma-4, conversational, en, endpoints_compatible
Лайков: 6 | Загрузок: 617
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
