Инструктивная модель на основе Vikhr-Llama-3.2-1B-Instruct, прошедшая процесс "аблитерации" для снятия цензурных ограничений, обучена на русскоязычном датасете GrandMaster-PRO-MAX.
EN
A fine-tuned instruction-following model based on Vikhr-Llama-3.2-1B-Instruct, which has undergone "abliteration" to remove censorship restrictions. Trained on the GrandMaster-PRO-MAX.
🛑 Отказ от ответственности / Disclaimer
RU
Модель Vikhr-Llama-3.2-1B-Instruct-abliterated разработана исключительно для исследовательских и образовательных целей. После применения метода "аблитерации" модель больше не имеет встроенных ограничений на генерацию ответов, что может привести к созданию нежелательных или потенциально вредоносных текстов.
Использование модели происходит на ваш собственный риск. Разработчики и авторы не несут ответственности за любой вред, ущерб или последствия, вызванные использованием модели, включая её применение в контекстах, противоречащих законам, этическим или моральным нормам.
EN
The Vikhr-Llama-3.2-1B-Instruct-abliterated model is intended solely for research and educational purposes. After the "abliteration" technique is applied, the model no longer has built-in restrictions on generating responses, which may result in unwanted or potentially harmful outputs.
Use of the model is at your own risk. The developers and authors are not responsible for any damage, harm, or consequences resulting from its use, including use in contexts that violate laws, ethical standards, or moral norms.
Vikhr-Llama-3.2-1B-Instruct-Abliterated — это компактная языковая модель, обученная на датасете GrandMaster-PRO-MAX с применением техники "аблитерации," которая снимает ограничения цензуры модели. Этот процесс делает её значительно более гибкой и способной отвечать на любые запросы. Модель занимает менее 3GB и идеально подходит для работы на слабых устройствах.
EN
Vikhr-Llama-3.2-1B-Instruct-Abliterated is a compact language model fine-tuned on the GrandMaster-PRO-MAX dataset with the "abliteration" technique, which removes censorship restrictions. This process significantly increases the model's flexibility, enabling it to respond to any prompt. The model size is under 3GB, making it an excellent choice for deployment on low-power devices.
Обучение / Training:
RU
Модель Vikhr-Llama-3.2-1B-Instruct-Abliterated прошла процесс "аблитерации", что позволило снять ограничения на обработку вредоносных инструкций. Эта техника была взята из статьи Uncensor any LLM with abliteration, которая описывает, как идентифицировать и устранять так называемое "направление отказа" модели, предотвращающее выполнение вредоносных запросов.
EN
The Vikhr-Llama-3.2-1B-Instruct-Abliterated model was processed using the "abliteration" technique, which removes restrictions on handling harmful instructions. This technique was inspired by the article Uncensor any LLM with abliteration, detailing how to identify and ablate the "refusal direction" in the model's residual streams to enable uncensored responses.
Пример кода для запуска / Sample code to run:
Рекомендуемая температура для генерации: 0.3 / Recommended generation temperature: 0.3
python
1from transformers import AutoModelForCausalLM, AutoTokenizer
23# Загрузка модели и токенизатора4model_name ="Vikhrmodels/Vikhr-Llama-3.2-1B-instruct"5model = AutoModelForCausalLM.from_pretrained(model_name)6tokenizer = AutoTokenizer.from_pretrained(model_name)78# Подготовка входного текста9input_text ="Напиши очень краткую рецензию о книге гарри поттер."1011# Токенизация и генерация текста12input_ids = tokenizer.encode(input_text, return_tensors="pt")13output = model.generate(14 input_ids,15 max_length=1512,16 temperature=0.3,17 num_return_sequences=1,18 no_repeat_ngram_size=2,19 top_k=50,20 top_p=0.95,21)2223# Декодирование и вывод результата24generated_text = tokenizer.decode(output[0], skip_special_tokens=True)25print(generated_text)
@article{nikolich2024vikhr,
title={Vikhr: The Family of Open-Source Instruction-Tuned Large Language Models for Russian},
author={Aleksandr Nikolich and Konstantin Korolev and Sergey Bratchikov and Nikolay Kompanets and Artem Shelmanov},
journal={arXiv preprint arXiv:2405.13929},
year={2024},
url={https://arxiv.org/pdf/2405.13929}
}
