回答-BFW问答

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

回答