sichang-ai /
一份中文资料，讲清楚大模型的「拒答」是怎么训练出来的，以及怎么把它去掉： 原理：拒答由模型激活空间里一个固定的方向控制。abliteration（定向消融）把这个方向从权重里正交掉，模型就不再拒绝，而能力基本不受影响。 前沿实测：整理了 Anthropic 9 月报告的数据：GLM-5.3 经过处理后拒答率从 90% 以上降到 2%～3%，GPQA 得分不变，成本约 1,200～4,400 美元。也整理了这件事的另一面：7 月 Hugg…
一份中文资料，讲清楚大模型的「拒答」是怎么训练出来的，以及怎么把它去掉： 原理：拒答由模型激活空间里一个固定的方向控制。abliteration（定向消融）把这个方向从权重里正交掉，模型就不再拒绝，而能力基本不受影响。 前沿实测：整理了 Anthropic 9 月报告的数据：GLM-5.3 经过处理后拒答率从 90% 以上降到 2%～3%，GPQA 得分不变，成本约 1,200～4,400 美元。也整理了这件事的另一面：7 月 Hugging Face 应对 AI agent 入侵时，前沿模型因为安全护栏拒绝做逆向分析，最后靠自己部署的开源 GLM 完成。 工具与部署：Heretic 等自动化工具怎么用，以及现成的去拒答权重、显存与量化怎么选。 平台横评：对话、图像、视频、语音各类平台的内容政策与价格，每条事实都附官方来源。 不收录越狱提示词，也不收录针对真实个人的换脸或声音克隆服务；文中列出了所有平台共同的红线，比如涉及未成年人的内容。 利益披露：维护者是思畅 AI 团队，思畅本身也在横评之列，优点缺点照写。
讨论这个产品