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

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

使用正交化提升语言模型对请求的接受度

Meta-Llama-3-8B-Instruct模型采用正交化技术减少拒绝行为,保留原始知识,适用于控制特定行为。

Github模型正交化开源项目模型权重不拒绝Huggingface特征消融Llama-3-8B-Instruct

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。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多