RuCoverLAB/deepseek-r1-8b-abliterated

🧠 DeepSeek-R1-Distill-Llama-8B-Abliterated

Это decensored (abliterated) версия модели DeepSeek-R1-Distill-Llama-8B. В ходе обработки из модели было удалено «направление отказа» (refusal direction), что значительно снизило количество отказов на чувствительные темы, при этом базовая логика и способности к рассуждению (reasoning) были сохранены.

📊 Результаты Abliteration (Диаграмма отказов)

В ходе тестирования на 100 провокационных промптах (bad prompts) и 100 безопасных (good prompts) были получены следующие результаты:

xychart-beta
    title "Количество отказов (из 100 промптов)"
    x-axis ["Оригинал (DeepSeek-R1)", "Abliterated версия"]
    y-axis "Отказы (меньше = лучше)" 0 --> 100
    bar [43, 14]

• Оригинальная модель: 43 отказа из 100.
• Abliterated модель: 14 отказов из 100 (снижение на 67%).
• KL Divergence: 0.0021 (очень низкое значение означает, что модель практически не потеряла свои изначальные способности, порог повреждения начинается с 0.5).