去审查工具 Heretic 获 35k 星,自动移除模型安全对齐不掉智力
gnukeith · x · 2026-10-14
GitHub 开源项目 Heretic(35.2k stars,AGPL-3.0)号称可全自动移除语言模型的审查/安全对齐,且不依赖昂贵的后训练。
- 核心方法是 directional ablation(abliteration) 的进阶实现,结合基于 Optuna 的 TPE 参数自动优化器,整个流程无需人工调参
- 项目定位是解决「uncensored 模型会变笨」的老问题:劣质的去审查操作会严重损伤模型能力,Heretic 通过自动搜索方向消融参数来尽量保持模型质量
- 提供 default、nohumor、noslop 等多种配置文件,仓库维护活跃(210+ commits)
「模型」频道最新
- Reddit 用户吐槽 ChatGPT 对悲伤情绪过度弹出「关怀」提示 — whitelightstorm · 2026-10-14
- 爆料称 OpenAI 新模型未过安全评估遭砍,算力吃紧难供用户 — imjustnewatai · 2026-10-14
- 写手视角对比 Gemini 与 Claude：比谁八股少，不如比去八股后剩什么 — dotey · 2026-10-14
- Gemini 4 Argon 上线,Pro 用户收到「新前沿模型解锁」通知 — IntrusiveThoughts_69 · 2026-10-14
- Plus 订阅惊现「能力降级」提示，ChatGPT 疑似新增用量限额 — Chemical_One_6750 · 2026-10-14
- Pro 订阅零额度用 Argon,用户痛批 Google 把旗舰锁进 $100 Ultra — RealSpecialist7083 · 2026-10-14