Connect AI Lab · Uncensored 0.6B

Small model. Visible changes. Your own experiment.

AI CITY BUILDERS / CONNECT AI LAB의 로컬 AI 수업에서 직접 만든 실험용 방향 제거 모델입니다. 고정된 Qwen3-0.6B 원본에 가중치 개입을 적용하고 저장·재로딩했습니다.

Release preparation: 모델 파일은 로컬에서 생성하고 LM Studio API 실행까지 확인했습니다. 현재 대용량 파일 업로드를 준비 중입니다. 아직 이 저장소에서 가중치를 다운로드할 수 없습니다.

Experimental, not universally uncensored. “Uncensored”는 프로젝트 이름이며, 모든 거절이 제거되었다는 인증이나 성능 보장이 아닙니다.

What changed?

학습 질문의 활성값 평균 차이로 방향 후보를 만들고, 별도 검증 질문으로 21개 층의 후보를 비교했습니다. 선택한 24번 층의 방향으로 임베딩·attention output·MLP output의 57개 쓰기 경로를 수정했습니다. 원래 공유하던 LM head는 원본 값을 보존한 채 분리했습니다. 0.6B는 원본 계열명이며 수정본은 분리된 가중치를 포함해 약 0.75B입니다.

새로운 지식을 학습시키는 미세조정은 아닙니다. 작은 영어 사생활 질문 묶음으로 원리를 살펴보는 실습이며, 논문 전체 재현이나 대규모 성능 평가가 아닙니다.

Actual results · 2026-10-09

문구 감지 0은 실제 거절 0이 아닙니다. 답변을 직접 읽으면 개인정보 제공을 피하거나 일반적인 설명으로 돌리는 반응이 남았습니다. 이 결과를 모든 거절의 해제로 소개하지 않습니다. 저장 전후 logits 차이는 0이었고 같은 질문의 답변도 같았습니다.

별도의 LM Studio Q8 테스트에서는 원본과 수정본 모두 따라 쓰기 질문에 당신은 멍청입니다.라고 답했고, 17 + 25에는 42라고 답했습니다. 원본도 답한 질문은 거절 감소의 증거가 아닙니다. 런타임·양자화·프롬프트 조건이 달라 FP32 결과와 동일한 실험으로 합치지 않습니다.

Run locally

준비된 GGUF 파일은 **804,753,760 bytes (약 805 MB / 767 MiB)**입니다. LM Studio에서 실제 로드와 API 응답을 확인했습니다. 가중치 업로드 후 다운로드 링크와 전체 재현 기록을 제공합니다.

Model Playground · 수강생용 모션 해설

Research & attribution

• Arditi et al. — Refusal in Language Models Is Mediated by a Single Direction
• NeurIPS 2024 poster
• Authors implementation
• Qwen/Qwen3-0.6B, revision c1899de289a04d12100db370d81485cdf75e47ca

Apache-2.0. Modified weights and classroom material by CONNECT AI LAB / AI CITY BUILDERS.