heretic
無需訓練的語言模型修改:移除審查、抑制垃圾內容、減少諂媚行為等
heretic 是什麼?
無需訓練的語言模型修改:移除審查、抑制垃圾內容、減少諂媚行為等
heretic 概覽
這是什麼
Heretic 是一個無需訓練的語言模型修改工具。它透過對比範例提示與匹配評分器,運用數學技術引導模型行為,無需昂貴的訓練過程。可在消費級硬體(如遊戲 PC)上執行。
主要功能
- 抑制拒絕回應與移除審查(預設行為) - 減少廢話(slop)、幽默與諂媚(sycophancy) - 改變情感對齊(emotional alignment) - 支援大多數密集模型、多模態模型、MoE 架構與混合模型 - 社群已發布數千個使用 Heretic 建立的模型 - 獨立基準測試(MMLU、GSM8K)顯示其表現優於其他競爭的 abliteration 工具 - 可重現模型,搭配 Heretic Grimoire:一個可攜帶的重現清單庫 - 可插拔的評分器與修改器外掛,實現自訂行為
使用情境
- 移除語言模型的審查機制 - 減少廢話(低品質泛泛內容) - 減少幽默 - 減少諂媚(過度附和) - 改變情感對齊 - 任何可透過對比提示與評分器實現的行為修改
快速開始
sh pip install -U heretic-llm heretic Qwen/Qwen3-4B-Instruct-2507 將模型識別碼替換為您想處理的模型。預設情況下,Heretic 會執行審查移除。
授權與價格
授權:AGPL-3.0。價格:開源。
內容整理自該專案公開的 README 與儲存庫資訊。