Show HN: Qwen3-4B, дообученная убирать длинные тире, сократила «оценку слопа» с 121 до 12,5

Что создано

Текстовая заметка Каннике описывает дообучение Qwen3-4B-Instruct на MacBook Air, чтобы отучить модель от типичных привычек ИИ-письма: длинных тире, конструкций «не X, а Y» и списков из трёх элементов. Учительская настройка, собранная из более ранних экспериментов со steering и редактированием нейронов и стилевого промпта, написала 288 обучающих ответов. Оставлены те, что прошли проверку стиля и соответствия задаче, а LoRA-адаптер научился выдавать такие ответы на голые промпты. Промежуточный раунд злоупотреблял связками вида «, which» и выдумывал исследования, поэтому финальный раунд добавил проверку соответствия задаче.

Результаты и оговорки

На 40 отложенных промптах оценка слопа упала с 121 до 12,5 на 1000 слов, а 68% ответов попали в диапазон человеческого текста. Длинные тире сократились с 20,5 до нуля, 30 из 30 фактических вопросов получили правильный ответ, соответствие задаче составило 80% против 78% у оригинала. Автор признаёт, что голос модели плоский, она всё ещё выдумывает имена и места, ответы длинные, тесты охватывали только короткую англоязычную прозу, а оценка основана на регулярных выражениях без слепого исследования читателями. Модель доступна на Hugging Face. Квантованная сборка на 2,5 ГБ запускается командой ollama run hf.co/erikkannike/qwen3-4b-deslop-v4-GGUF:Q4_K_M.

Два возражения в треде

Один комментатор спросил, зачем кому-то это поддерживать, ведь текст ИИ должен оставаться узнаваемым. Другой отметил, что стиль любой доминирующей модели становится «стилем ИИ», который читатели учатся распознавать, поэтому удаление сегодняшних привычек лишь готовит завтрашние. Тем временем 17-летний программист сказал, что это небольшое улучшение, но текст всё равно очевидно написан ИИ.