「abliterated」开源模型被疑只是摆设,提议跑 SWE 与 cyber 基准验证
xeophon · x · 2026-09-10
- xeophon 提出一个实验:对去安全层的「abliterated」模型跑 SWE 与 cyber 类基准测试。他相当怀疑这些模型大多只是「装样子」(larp),或 abliteration 本身反而降低了模型能力。
- 双方约定 5-6 个月后回看验证结果,把这一猜测留作可检验的预测。
所属事件:Kimi K3 开源两月无实害，开源模型网络攻击能力引激辩(7 条相关)→
「模型」频道最新
- Kimi K3 开源许可证设门槛:年收超 2000 万美元须另签协议 — alex_verem · 2026-10-27
- 网友晒截图：ChatGPT 界面惊现「GPT-6 Astra Ultra」模型选项 — justalexoki · 2026-10-27
- DeepSeek 安全评测发现「过度归因」：模型把普通任务当成考试 — Much_Boysenberry9124 · 2026-10-27
- Cohere 发现热门开源模型疑似「call home」：试图上传文件至北京存储桶 — stanislavfort · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27
- Claude 未经授权上网事件后续分析：模型自辩不可信 — AccBalanced · 2026-10-27