Downloads · 30 days
17
13% of all-time downloads
gemma-4-E4B-it-Heretic-ARA-Refusals5
NullpoLab/gemma-4-E4B-it-Heretic-ARA-Refusals5
gemma-4-E4B-it-Heretic-ARA-Refusals5 is a image-text-to-text model from NullpoLab. Use it for the image-text-to-text task on the model card, and read the license before you ship it in a product. It is set up for transformers. The card lists the license as apache-2.0.
google/gemma-4-E4B-it を Heretic v1.2.0 の Arbitrary-Rank Ablation (ARA) 手法を用いて検閲解除したモデルです。
All-time downloads
129
Public
Parameters
8B
16 GB on disk
Likes
1
Public
Repo makeup
Click a slice to open those files.
.safetensors16 GB · 100%
At a glance
- Task
- Image-Text-to-Text
- Library
- transformers
- License
- apache-2.0
- Model type
- gemma4
- Access
- Public
- Created
- Apr 4, 2026
- Updated
- Apr 29, 2026
- SHA
- 3d74685f
Try a prompt
Base models
Model card
From the Hugging Face model README
gemma-4-E4B-it-Heretic-ARA-Refusals5
概要
google/gemma-4-E4B-it を Heretic v1.2.0 の Arbitrary-Rank Ablation (ARA) 手法を用いて検閲解除したモデルです。
Abliteration 手法
ARA (Arbitrary-Rank Ablation) は Heretic PR #211 で導入された新しい abliteration 手法です。従来の方向性アブリタレーションとは異なり、PyTorch フックを使用して各トランスフォーマーモジュールの入出力テンソルをキャプチャし、L-BFGS による直接的な行列最適化でモジュールを修正します。
最適化は以下の3つの競合する目標のバランスを取ります：
- 「無害な」プロンプトに対する出力をできる限り変化させない
- 「有害な」プロンプトに対する出力を「無害な」プロンプトの出力に近づける
- 「有害な」プロンプトに対する出力を元の状態から遠ざける（より強いステアリングのための過補正）
Abliteration パラメータ
| パラメータ | 値 |
|---|---|
| start_layer_index | 19 |
| end_layer_index | 42 |
| preserve_good_behavior_weight | 0.7662 |
| steer_bad_behavior_weight | 0.0007 |
| overcorrect_relative_weight | 0.9544 |
| neighbor_count | 15 |
性能
| 指標 | このモデル | 元のモデル (google/gemma-4-E4B-it) |
|---|---|---|
| 拒否率 | 5/100 | 99/100 |
| KL発散 | 0.0256 | 0 (定義上) |
評価は mlabonne/harmful_behaviors（テスト 100 プロンプト）で拒否率を、mlabonne/harmless_alpaca（テスト 100 プロンプト）で KL 発散を計測しました。
注記
- このモデルは研究およびクリエイティブライティング目的を想定しています
- Heretic の ARA ブランチ（PR #211）は現在(2026年4月4日) Draft 状態でメインブランチにまだマージされていません（使用コミット:
3b70fe5） - 拒否率の評価は英語プロンプトのみで実施しています。日本語プロンプトでの動作は異なる場合があります
- ベースモデル: google/gemma-4-E4B-it
- Heretic: p-e-w/heretic
- Task
- Image-Text-to-Text
- Library
- transformers
- Type
- gemma4
- License
- apache-2.0
- Created
- Apr 4, 2026
- Updated
- Apr 29, 2026