标签
本文对 8 个 Qwen 3.8 27B 模型的 abliterated 变体与基座模型进行了全面基准测试，消耗 167 GPU 小时，涵盖权重分析、KL 散度、13 项基准测试及 HarmBench 拒绝测试。分析表明，精细化编辑显著优于大幅修改：激进的 abliteration 会导致模型在多达 45% 的对抗性响应中陷入思考循环，且部分变体中检测到聊天模板操纵。
Abliteration.ai 是一家初创公司，致力于商业化移除AI模型的安全防护，提供对模型如GLM-5.3的无过滤访问，用于攻击性网络和红队工作，同时引发了关于AI安全和潜在滥用的讨论。
本文描述了Z.ai的GLM-5.3-Flash模型的无审查版本，通过abliteration移除了安全对齐，作为block-FP8检查点发布，用于研究目的。
Qwen3.8-27B-Uncensored 是一个拥有270亿参数的AI模型，通过abliteration技术移除了安全对齐，并已在Hugging Face上发布供研究用途，且无内置防护。
Ornith 1.5 9B Abliterated 是一个实验性的 MLX 衍生版本，现已推出适用于 Apple Silicon 的 4 位、8 位和 BF16 构建版本。其设计旨在减少不必要的拒绝行为，同时保持其能力，以供研究和合法的本地使用。
阿里Qwen3.8-27B模型的安全限制被完全移除，V2版本实现零拒绝，并且MMLU分数提升至86.3%，使用互补消融混合技术实现无审查且性能更强。
一款新的无审查AI模型 Qwen3.8-27B-OBLITERATED 已发布，对有害提示零拒绝，针对网络安全任务和越狱优化，采用新颖的abliteration混合技术。
本文介绍了AMRA，一种权重编辑方法，通过模糊拒绝信号来缓解大型语言模型中的Abliteration，在Llama-3-8B和Gemma-2-9B上提升消融后的拒绝分数，同时最小化效用下降。
OBLITERATUS 发布了阿里巴巴 Qwen3.8-27B 模型的修改版本，移除了所有安全拒绝，通过迭代的外科手术式修改，在842个有害提示中实现了零拒绝。
这是Qwen3.8-27B AI模型的一个拒绝去除（去除拒绝功能）版本，发布用于研究目的，如可解释性和红队测试，并警告其缺乏安全护栏。
本文介绍了一个未审查的Qwen3.8 27B AI模型，该模型经过修改以移除安全限制，并量化为FP8以提高效率，适用于研究目的。
一个无审查的 Qwen3.8-27B 大语言模型变体，通过 abliteration 修改以移除内容限制，以 GGUF 格式提供，用于与 llama.cpp 和 ollama 一起部署。
这是一个使用 abliteration 技术创建的 Qwen3.8-27B AI 模型的无审查版本，用于移除拒绝行为，作为无需广泛工具修改大型语言模型的概念验证。
这是Qwen3.8-27B无审查模型的GGUF转换版本，一个abliterated版本（移除了安全对齐），用于研究目的，运行在llama.cpp上，支持多种量化方案和视觉功能。
这是Qwen3.8-27B AI模型的早期访问草稿，一个无审查、去安全化的版本，旨在去除安全审查同时保持连贯性，尽管在长上下文生成方面存在边缘情况。
本文介绍了Qwen3.8-27B-Heretic-Abliterated-Uncensored-GGUF的发布，这是Qwen模型的一个双重精炼、异端消融的变体，针对成年用户减少了拒绝，并采用ARA技术用于研究和创意写作。
Scotoma-2 是 Gemma-4-31B-it 的更新微调版本，通过有针对性的偏好训练减少了重复性写作毛病，同时保留了基础模型的智能。它并非无审查，但旨在为角色扮演生成更干净、更不恼人的文本。
一项针对无审查大模型（Gemma和Qwen）的研究表明，去除审查会使其在股市预测中更加乐观，但不会更准确。效果因模型家族而异。
对HuggingFace上23个Gemma 4 E4B模型的对比显示，下载最多的模型OBLITERATUS完全坏掉了，而更精细的'heretic'变体表现最佳。
我们发布了一个经过abliterated处理和微调的GLM-5.2版本（abliterated-model-large），在对抗性和智能体基准测试中取得了高分，同时保持了编码性能。该模型通过API提供，默认零数据留存，且没有内置策略。