Meta-Llama-3-8B-Instruct-abliterated-v3

项目介绍：Meta-Llama-3-8B-Instruct-abliterated-v3

项目背景

Meta-Llama-3-8B-Instruct-abliterated-v3 是一个对大型语言模型（LLM）进行权重调整的项目。具体来说，此模型基于名为 "正交化 bfloat16 safetensor 权重" 的技术，通过控制某些权重实现模型功能的微调。这项工作依据的研究表明，LLM 中的某些拒绝行为可以通过一种特定方向的调整来管理。对这项研究有兴趣的小伙伴可以阅读相关的预研文章《Refusal in LLMs is mediated by a single direction》，以获得更多背景知识。

什么是 "abliteration" 和正交化？

这款模型经过调整以"抑制"模型拒绝执行某些请求的能力。需要注意的是，这并不能完全保证模型不会拒绝或误解用户请求，它仍可能对伦理或安全问题进行劝告。但这款模型在其他方面与原始的 70B instruct 模型保持一致，只是去除了模型最强的拒绝方向。

这里提到的 "abliteration"（拆词游戏）是从原始论文中 "去除特征" 的 "ablation"（消融）一词演变而来，以区别于那些未经过滤的微调模型。ablation 与正交化共同指的是去除模型中拒绝特征的方法。

方法论与意义

对于为何选用这种方法而不是传统的微调来说，ablation 提供了一种更精细的调整方式，可以在非常具体的特征上进行切入，且所需数据量远少于微调。这使得它可以保留模型的主要训练知识，仅去除特定不良行为倾向（例如，拒绝用户请求）。

尽管微调依然是广泛行为调整的首选，但 ablation/augmentation 技术可以通过较少样本实现接近目标的行为特性。此外，它还可以作为模型改进过程中的一个有用步骤，比如先进行正交化后再进行微调，或者反过来。

关于V3版本

在 V3 之前，曾发布过一个 8B 的 V2 版本，但对于 70B 来说，V2 并没有显著价值。因此，这次跳过 V2 直接发布了 V3 版本。而V3 采用了改良的方法，降低了幻觉出现的频率。

"怪癖"公告

由于方法的新颖性，模型可能会出现一些有趣的"怪癖"。欢迎大家与之互动，探索并反馈这些可能的副作用。分享你的发现将有助于我们更好地理解正交化的效果。

如果你在模型的进一步改进中取得了成就，请与社区分享。虽然这是使用 ablation 技术的一个基础方法，但我们相信还有更多未被探索的潜能蓄势待发。此外，欢迎通过社区平台联系项目团队，随时提供支持。

这个项目着眼于革新大型模型中不良行为的去除，同时保留其核心能力，开辟了模型优化的新篇章。