开源项目 Heretic,该项目旨在无需昂贵的后训练即可去除基于 Transformer 的大语言模型中的内容审查机制。
Heretic 的核心特点包括:
全自动去审查:基于“定向消融”(directional ablation,也称 abliteration)技术,结合 Optuna 优化器自动搜索最优参数。
保留模型能力:通过最小化“拒绝回答率”和与原始模型输出的 KL 散度,使解禁后的模型既减少拒绝行为,又最大程度保留原有智能。易用性强:只需一行命令即可运行,例如:
pip install -U heretic-llmheretic Qwen/Qwen3-4B-Instruct-2507
支持广泛模型:兼容大多数密集型模型(包括部分多模态和 MoE 架构),但不支持状态空间模型(SSM)或层结构不一致的模型。研究友好:提供可选的 research 功能,支持残差向量分析、PaCMAP 降维可视化、拒绝方向量化等,便于可解释性研究。
https://github.com/p-e-w/heretic
网友回复
图片ai拒绝帮用户ps修改带公章类的拍照图片如何解决?
视频大模型和最强文本大模型通过代码生成视频哪个性价比更高?
seedream5.5为啥无法将图白色背景修改成透明?
seedance2如何通过2张不同角度平视图来识别场景进行人物定位?
有没有免费的浏览器中离线运行的语音识别ai模型?
微信小程序个人版不交钱认证就不让你用二维码,报错"errcode":85411?
美丽国为啥要限制ai发展?
seedance2如何参考白模视频使用真实场景和人物生成新视频?
如何设定小孩看电视的时候每隔10分钟弹出一个题目,答对才能继续,答错继续下一题?
直播数字人根据公屏互动评论实时做出不用动作技术是什么?


