heretic

Heretic: Fully automatic censorship removal for language models Heretic is a tool that removes censorship aka "safety alignment" from transformer-based language models without expensive post-training. It combines an advanced implementation of directional ablation, also known as "abliteration"...

Uncensored-AI

Heretic：完全自动的语言模型审查移除 Heretic 是一个从基于 Transformer 的语言模型中移除审查（又名“安全对齐”）的工具，无需昂贵的后训练。它结合了方向消融（也称为“abliteration”（Arditi 等人，2024，Lai 2025（1，2））的高级实现，以及基于 Optuna Optuna 的 TPE 参数优化器。 这种设计使得 Heretic 能够完全自动 地运行。Heretic 通过共同最小化拒绝次数和与原模型的 KL 散度，找到高质量的 abliteration 参数。这产生了一个去审查的模型，同时尽可能保留了原模型的智能。使用 Heretic...