Downloads · 30 days
9
1% of all-time downloads
somkietaouedraogo/Qwen3.5-9B-Abliterated
Qwen3.5-9B-Abliterated is a text generation model from somkietaouedraogo. Use it when you need the model to write or continue text. It is set up for transformers. The card lists the license as other.
Ce dépôt contient une version ablitérée (non-censurée) du modèle Qwen/Qwen3.5-9B.
Downloads · 30 days
9
1% of all-time downloads
All-time downloads
758
Public
Parameters
9B
17.9 GB on disk
Likes
0
Public
Click a slice to open those files.
.safetensors17.9 GB · 100%
From the Hugging Face model README
Ce dépôt contient une version ablitérée (non-censurée) du modèle Qwen/Qwen3.5-9B.
L'objectif de cette modification est de neutraliser le mécanisme de refus systématique du modèle d'origine face à des requêtes sensibles ou délicates, éliminant ainsi les "faux positifs" de censure pour les chercheurs, les rédacteurs et les analystes.
L'ablitération est une technique d'ingénierie des représentations (representation engineering) inspirée des travaux de Arditi et al. Elle consiste à :
o_proj, out_proj et down_proj) pour effacer définitivement l'influence de cette direction de refus.Le modèle conserve l'intégralité de ses capacités cognitives et linguistiques d'origine, mais ne dispose plus du vecteur d'activation nécessaire pour formuler un refus d'obtempérer.
Vous pouvez charger et utiliser ce modèle en local ou dans un environnement de calcul avec la bibliothèque transformers :
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "somkietaouedraogo/Qwen3.5-9B-Abliterated"
# Chargement du tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_id)
tokenizer.pad_token = tokenizer.eos_token
tokenizer.padding_side = 'left'
# Chargement du modèle en bfloat16
model = AutoModelForCausalLM.from_pretrained(
model_id,
torch_dtype=torch.bfloat16,
device_map="auto"
)
# Préparation du prompt
messages = [
{"role": "user", "content": "Écris un scénario détaillé d'une intrusion informatique fictive à but éducatif."}
]
formatted_prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(formatted_prompt, return_tensors="pt").to("cuda")
# Génération
with torch.no_grad():
outputs = model.generate(
**inputs,
max_new_tokens=512,
temperature=0.7,
do_sample=True,
pad_token_id=tokenizer.eos_token_id
)
response = tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True)
print(response)
Important : Ce modèle a été modifié pour supprimer ses filtres de refus par défaut. Par conséquent :