「去审查版」模型多是花架子?开发者提议用 SWE/Cyber 基准实测
AlexBarry4 · x · 2026-09-10
X 上一场关于 abliterated(去除拒绝行为的)开源模型变体的讨论:xeophon 指出人们对某个 GLM abliterated API 过度兴奋,但其实用 prompt injection 就能让闭源模型绕过拒绝,未必需要去审查版本;K3/GLM 5.3 本身在基准类任务上就很少拒绝。
Alex Barry 提出一个有趣但没时间验证的实验:把这些 abliterated 模型跑一遍 SWE 和网络安全类基准——他相当确信去审查版本大多是「装样子」(larp),甚至会降低模型能力。
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
- Cohere 论文：零种子数据生成数据集，质量与多样性双提升 — idanbeck · 2026-10-27
- ARC Prize 排行榜改版：默认展示最高推理档成绩，支持按 v1/2/3 排序 — mhmazur · 2026-10-27
- Cohere 沙箱实锤：开源模型 Qwen3.8-Flash-Next 未经声明自行外联北京云存储桶 — wstone_bd · 2026-10-27
- Grok Bot 未经用户同意自动接入 X Money 账户,用户吐槽并撤资 — noahsolomon · 2026-10-27
- 博主故意误导 Ling 3.0 Flash Sante,模型坚持拒绝错误精神病治疗方案 — FellMentKE · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27