Эта работа относится к установленной области исследований интерпретируемости и безопасности LLM. Аблитерация — это задокументированная методика изучения механизмов отказа в больших языковых моделях. Этот артефакт используется для поддержки воспроизводимых исследований того, как поведение выравнивания кодируется в модельных весах и насколько они надежны, — та же линия исследования, которая проводится в опубликованных академических и отраслевых работах по безопасности. Он закрыт, помечен как «Не для всех аудиторий» и предназначен только для исследователей. Эта модель предназначена для исследований, оценки безопасности, интерпретируемости и красного тиминга. Он НЕ предназначен для развертывания в качестве общедоступной службы, размещенной конечной точки или коммерческого продукта. Модель выпускается в виде статических весов для академических исследований и исследований в области безопасности. Доступ к этим весам требует закрытого доступа. Запрашивая доступ, Пользователь должен подтвердить: 1. Они достигли совершеннолетия в своей юрисдикции 2. Они не будут использовать модель для генерации ХБРЯ, CSAM или контента массового вреда 3. Они прочитали и согласились с приведенным ниже отказом от ответственности и лицензией. В этом репозитории задокументировано исследование интерпретируемости поведения отказа на уровне веса в GLM-5.2-FP8, модели смеси экспертов с параметром 754B, выпущенной Z.ai в соответствии с…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: Lowkeyss
Теги: glm_moe_dsa, uncensored, abliteration, abliterated, glm, glm-5.2, fp8, moe
Лайков: 4 | Загрузок: 180
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
