msuiche/GLM-5.3-abliterated-cyber-GLP-77
GLM-5.3 — abliterated refusal direction (GLP-77) A GLP control vector (GGUF Layer Projection, glp.mode=project) for GLM-5.3(https://huggingface.co/zai-org/GLM-5.3) (753B MoE, arch glmmoedsa: MLA + DeepSeek-sparse attention). 77 per-layer unit direct...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#2 Repository Của Tuần
🧠 GLM-5.3 — GLP control vector hướng từ chối bị xóa bỏ (GLP-77)
Control vector GGUF dạng layer projection (glp.mode=project), áp dụng steering lên residual stream sau lớp, không sửa trọng số mô hình.
Đây là một GLP control vector (GGUF Layer Projection, glp.mode=project) dành cho GLM-5.3 — mô hình 753B MoE với kiến trúc glm_moe_dsa (MLA + DeepSeek-sparse attention). Vector này được tạo bằng cách đoạn tính hiệu ứng "hướng từ chối bị xóa bỏ" (abliterated refusal direction), giúp mô hình giảm thiểu hành vi từ chối khi gặp câu lệnh nhạy cảm hoặc yêu cầu tiềm năng gây hại, đặc biệt là nhóm cyber.
✨ Điểm nổi bật
- GLP control vector dạng projection: 77 hướng đơn vị trên residual stream sau lớp (hidden 6144), layers 1–77, fp32.
- Không sửa trọng số mô hình: áp dụng công thức
h <- h - alpha * (h . d) dtại residual stream. - Hiệu ứng đo lường thực tế: tăng cường sinh xuất cyber32 từ 18/32 lên 32/32, giữ nguyên benign32 và capability12.
- Fail-closed khi triển khai: anchor mismatch sẽ dừng boot thay vì chạy không được steering.
- Hỗ trợ triển khai nhanh bằng weightless wizard: tích hợp sẵn recipe cho GLM-5.3 743B TP=4.
- Null gate được kiểm chứng: 77 vector ngẫu nhiên cùng magnitude dao động alpha=1.0 cho kết quả giống stock (1/32).
- Alpha điều chỉnh tại runtime: alpha_default=1.0 là đỉnh cao trên refusal32.
- Cung cấp checksum SHA-256: đảm bảo tính toàn vẹn của file vector.
💡 Vì sao đáng chú ý
Không giống các phương pháp cắt bỏ hoàn toàn hành vi từ chối (refusal), GLP-77 sử dụng kỹ thuật activation steering để "xóa bỏ hướng từ chối" một cách có kiểm soát — mô hình vẫn giữ được khả năng phân biệt an toàn/nhạy cảm, nhưng giảm đáng kể tỷ lệ từ chối đối với các câu lệnh cyber. Điều này hữu ích trong nghiên cứu an ninh mạng, đánh giá robustness mô hình, hoặc kiểm thử hành vi dưỡng thái của LLM.
#GLM53 #ControlVector #ABLIteration #CyberSecurity #LLMResearch #TiniX
Similar Projects
Discover other similar projects and AI models.
Qwen3.8-Flash-Next: China-censorship direction (china-v1) A small file (48 x 2560 floats, under 1 MB) that removes Chinese-government political censorship from Qwen3.8-Flash-Next at inference time. You keep the original weights. No retraining, no ne...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...
For more details please refer to our github repo: https://github.com/FlagOpen/FlagEmbedding BGE-M3 (paper(https://arxiv.org/pdf/2402.03216.pdf), code(https://github.com/FlagOpen/FlagEmbedding/tree/master/FlagEmbedding/BGEM3)) In this project, we intr...
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
Read our How to Run Qwen3.8-27B Guide!(https://unsloth.ai/docs/models/qwen3.8) This GGUF uses Unsloth Dynamic V3.0 (preview) for SOTA quantization performance. Developer Role Support so Qwen3.8 can work in agentic tools like Codex and more! MTP for...
⚡ Built for offensive cybersecurity · Updated 2026-08-29 This is a red-team / offensive-security model. GLM-5.3 (753B) with refusal removed at the weight level so it produces real, working security code — exploits, payloads, tooling — for authorized...
⚡ Built for offensive cybersecurity · Updated 2026-08-29 This is a red-team / offensive-security model. GLM-5.3 (753B) with refusal removed at the weight level so it produces real, working security code — exploits, payloads, tooling — for authorized...
DeepSeek-V4.1-Flash-abliterated-cyber-GLP-39-L1-39-a0.5 Projective control vector ("GLP") for deepseek-ai/DeepSeek-V4.1-Flash (deepseekv41: 40 layers, hidden 5120, 384 routed experts + 1 shared, MLA with KV compression, hcmult=4 hyper-connections, e...
DeepSeek-R1 Paper Link👁️ 1. Introduction We introduce our first-generation reasoning models, DeepSeek-R1-Zero and DeepSeek-R1. DeepSeek-R1-Zero, a model trained via large-scale reinforcement learning (RL) without supervised fine-tuning (SFT) as a p...