Qwen3-4B-Deslop: Ein Modell ohne typische KI-Schreibmuster

Schreiben ohne Assistenten-Tics

Ein Entwickler hat Qwen3-4B-Instruct die typischen Schreibgewohnheiten von KI-Assistenten abtrainiert und das Ergebnis als qwen3-4b-deslop veröffentlicht. Lokal startet es per Ollama mit ollama run hf.co/erikkannike/qwen3-4b-deslop-v4-GGUF:Q4_K_M (rund 2,5 GB).

Ergebnisse

• Der selbstgebaute „Slop-Score“ sank auf 40 unbekannten Prompts von 121 auf 12,5 pro 1000 Wörter
• 68 % der Antworten liegen im Bereich menschlicher Texte
• Gedankenstriche gingen von 20,5 auf null pro 1000 Wörter zurück
• 30 von 30 Faktenfragen werden weiterhin richtig beantwortet

Methode

Der Detektor zählt gewichtet Muster wie Gedankenstrich, „it’s not X, it’s Y“, Dreierlisten, sofort beantwortete rhetorische Fragen und Wörter wie „delve“. Trainiert wurde per Destillation: Ein Teacher beantwortet 288 Prompts, nur Antworten, die alle Checks bestehen, landen im Trainingsset, ein kleiner LoRA-Adapter lernt sie ohne System Prompt. Zwischenversionen mit Score 9,9 schrieben schlechter: Meinungstexte ohne Meinung, erfundene Studien und ständiges „, which“. Erst ein zusätzlicher Filter, der prüft, ob die Antwort die Aufgabe erfüllt, behob das.

Grenzen

Der Autor räumt ein, dass der Stil sehr schlicht bis flach ist und das Modell weiter Namen und Orte erfindet. Trainiert wurde mit nur 161 Antworten; größere Modelle sind der nächste Schritt.

Quelle: 100toolkit: Deslop Model