标签
Heretic 2.0 作为重大更新正式发布,将其从一个审查移除工具转变为通用模型修改框架,引入了全新的任意秩消融(ARA)引导方法和插件架构。
讨论使用 LoRA 适配器作为比 Heretic 等工具更便宜、更灵活的方案,从大语言模型中移除拒绝回答和内容审查,涉及 weightless 这个 GitHub 项目,以及类似的针对图像模型文本编码器的 LoRA。
Heretic 是一款完全自动化的工具,通过定向消融/消隐技术移除基于Transformer的LLM中的审查,在不到一小时内达到与手动方法相当的结果,且人力投入极少。