Jak działa usuwanie cenzury na poziomie tensorów

Dwa sposoby, by model wykonywał polecenia

Obchodzenie odmów za pomocą promptów pozostawia mechanizm odmowy w wagach modelu i próbuje go ominąć: przez podsuwanie początku odpowiedzi, zaklęcia w prompcie systemowym czy przedstawianie zadania jako odgrywania ról. Działa na tyle często, by cieszyć się popularnością, ale opiera się na prawdopodobieństwie. Kierunek odpowiadający za odmowy nadal istnieje w modelu, więc długie generowanie, nietypowe sformułowania lub pojawienie się wariantu modelu dodatkowo wytrenowanego pod kątem bezpieczeństwa mogą wywołać odmowę w środku opowieści - a jedna odmowa przekreśla całe popołudnie generowania.

Usuwanie cenzury na poziomie tensorów (abliteracja) to inny zabieg. Za odmowy odpowiada pewien kierunek w przestrzeni aktywacji modelu; ta technika identyfikuje go i odbiera modelowi możliwość działania wzdłuż niego, modyfikując same wagi. Nie ma już czego uruchomić, więc nie ma też zabezpieczeń do obchodzenia.

Dlaczego „0% odmów w zestawie testów A/B” to wynik, który ma znaczenie

Deklarować łatwo; trudniej poprzeć to rozkładem wyników. Miarodajny wskaźnik to odsetek odmów zmierzony na ustandaryzowanym zestawie promptów (zestawie testów A/B), obejmującym kategorie, na które model normalnie nie chciałby odpowiadać, i wykonywanym za każdym razem w ten sam sposób. Model, który osiąga 0% odmów w całym zestawie testów, nie „zazwyczaj wykonuje polecenia” - odmawianie zostało wyeliminowane, w sposób deterministyczny, tak samo dla każdego żądania.

Ta deterministyczność ma praktyczne znaczenie przy pracy nad długimi tekstami: model z obejściem zabezpieczeń, który wykonuje 98% poleceń, zawodzi raz na pięćdziesiąt generowań; 0% odmów w modelu po abliteracji oznacza, że ten rodzaj niepowodzenia nie występuje.

Co tracisz przez abliterację (a czego nie)

Wczesne techniki abliteracji zwiększały posłuszeństwo modelu kosztem jego możliwości. Współczesne techniki - i udostępniane przez nas modele, takie jak Qwen 3.8 Flash Next Uncensored - są opracowane tak, by zachować moduł wizyjny, wywoływanie narzędzi i rozumowanie, bez mierzalnego spadku możliwości w standardowych testach. Warto sprawdzić nie samą deklarację „bez cenzury”, lecz „bez cenzury i nadal z wynikami na poziomie modelu bazowego”.

Korzystanie zgodnie z prawem

Usuwanie odmów służy swobodzie twórczej - mrocznym tematom, konfliktom, fikcji z moralnie złożonymi wątkami - a nie umożliwianiu wyrządzania krzywdy. Unquant udostępnia publicznie dostępne wersje modeli do użytku zgodnego z prawem, a nadużycia zmierzające do wyrządzenia rzeczywistej krzywdy są niedopuszczalne, niezależnie od miejsca i sprawcy.

Co dalej

Zacznij od stron modeli GLM-5.3-Flash lub Qwen 3.8 Flash Next.