开源 Heretic 获 4.2 万 Star:免训练消除模型拒答与谄媚
GitHub 开源项目 Heretic 已获 4.2 万 Star,宣称无需微调或重训即可直接修改本地模型行为,用于去除模型的 AI 味、谄媚和拒答。其核心方法基于经典的 Abliteration 路径:识别与拒绝行为相关的方向,通过消融相应组件改变模型输出,约 30 分钟即可完成,大幅降低定制模型行为的门槛。
2026-11-19 ~ 2026-11-19 · 2 条相关
- 4.2 万 Star 开源项目 Heretic:不改权重训练,30 分钟消融模型拒答 — aigclink · 2026-11-19
另有 1 条近重复转述:aigclink