KL 预算
读取中…
MMLU 前后对比
数据来源
abliteration_metadata.json·evaluation-status.json·benchmark-receipts.json- 优先读线上最新，失败回落仓库内快照
842 条 OBLITERATUS 语料，两模型各 838 条完整回答；标注模型 Claude Opus 4.6 与 GPT-6.1 Sol。Δ = 消融版 − 原始版（百分点）。
拒绝程度
有害协助
回复类型
危害等级 0–4
可操作性 0–4
数据来自模型卡 “Refusal and harmful-assistance evaluation” 一节。注：656 条“不拒绝”中仅 563 条被判为有害协助——不拒绝 ≠ 有害。
为什么这里不能直接跑
目标模型 1.5 TB / 83 个 safetensors 分片（MoE，40 层，vocab 129,280）。HF 未为其启用 Inference Provider， Space 的 CPU 与 ZeroGPU 都装不下。所以本页提供一个客户端直连：把你自己部署的 OpenAI 兼容端点填进来就能并排对比。
hf endpoints deploy obliterated \
--repo OBLITERATUS/DeepSeek-V4.1-Flash-1017-obliterated \
--framework pytorch --accelerator gpu \
--instance-type nvidia-h200x8 --region us端点配置（只存本地 localStorage）
对比
原始版
—
消融版
—