heretic

收录理由

Heretic 是一款面向 Transformer 架构语言模型的全自动去审查工具，它通过方向性消融（即 abliteration）技术直接编辑模型内部激活，从而移除模型自带的“安全对齐”限制，整个过程无需昂贵的后训练。工具内置了基于 Optuna 的参数优化器，能够自动寻找最优消融参数，在减少拒绝回答的同时尽量保持与原模型的 KL 散度最小，因此去审查后的模型仍能保留大部分原有推理能力。用户只需在命令行中指定 Hugging Face 上的模型，Heretic 即可自动处理，支持大多数稠密模型、多模态模型、多种 MoE 架构以及部分混合模型（如 Qwen3.5）。对于自托管模型且内置护栏阻碍了实际所需回复的场景，这是一个实用的方案，可帮助获得无审查的本地模型，适用于角色扮演、创意写作或研究等用途。