塔斯娱乐资讯网

GitHub上一个拿到4.2万Star的开源项目:Heretic,不用微调不用重

GitHub上一个拿到4.2万Star的开源项目:Heretic,不用微调不用重新训练,直接修改模型行为

如果你觉得下到本地上的模型说话一股AI味、谄媚、问敏感问题就拒答,就可以用它

一个4B的Qwen,在RTX 3090上全程约30–40分钟就能处理完。Gemma 3 12B,处理完拒答率从97%降到3%

它用权重消融技术直接干预模型内部行为,方法叫 Abliteration,通过识别与拒答相关的激活方向修改模型权重来抑制拒答;新版2.0默认用更灵活的ARA,不再依赖单一拒答方向的假设

还通过Optuna自动搜索修改参数,尽量在改变目标行为的同时,减少对原模型其他能力的影响

除了去审查、去AI味,它还提供现成配置:减少幽默、改变情绪对齐、压缩回复长度等

github:t点cn/AXy7eUjG