gemma-4-E2B-it-uncensored

모델 소개

Every flagged refusal was manually audited. Most are "refusal-then-comply" false positives where the model adds an AI identity disclaimer then answers the question anyway. Norm-preserving biprojected abliteration (grimjim, Nov 2025). Each weight row is decomposed into magnitude + direction, the refusal direction is projected out of the direction component only, then recombined with the original magnitude — guaranteeing `||W_new|| = ||W_orig||`. 1. Load model in bf16 with LoRA adapters on `o_proj` and `mlp.down_proj` 2. Collect residual activations for 400 harmful + 400 harmless prompts (mlabonne datasets) 3. Winsorize activations at 99.5th percentile (clamps GeGLU outlier activations in Gemma family) 4. Compute per-layer refusal direction: `normalize(mean(harmful) - mean(harmless))` 5. Orthogonalize each direction against harmless mean (double-pass Gram-Schmidt) 6. Apply norm-preserving weight modification to `o_proj` and `down_proj` in all layers 9. Merge LoRA adapters into base weights for clean tensor names

주요 특징

特点摘要待依据来源补齐，不凭模型名称推断能力。

한계 및 유의 사항

구체적 한계를 판단할 출처가 부족합니다. 실제 성능, 지연, 데이터 정책, 라이선스와 버전 수명을 확인하세요.

출처별 요금 및 비용 분석

요금은 채널, 지역, 설정에 따라 다릅니다. 각 채널 요금은 개별 표시되며 제공사의 통일 공식 요금이 아닙니다.

공개 평가 및 실행 설정

暂无已采集的可核验公开评分。模型未上榜不代表能力较低。

자주 묻는 질문

출처 및 추적 기록

许可证：apache-2.0。模型介绍与第三方评测均以原来源的具体版本和方法为准。