Uncensored-AI

Heretic: 言語モデル向け完全自動検閲除去ツール Hereticは、高価なポストトレーニングを必要とせずに、トランスフォーマーベースの言語モデルから検閲（別名「セーフティアラインメント」）を除去するツールです。 これは、方向性アブレーション（別名「アブリタレーション」、Arditi et al. 2024、Lai 2025（1、2））の高度な実装と、Optuna を利用したTPEベースのパラメータ最適化を組み合わせています。 このアプローチにより、Hereticは完全に自動的...