ทำความเข้าใจการนำพฤติกรรมปฏิเสธคำขอออกในระดับเทนเซอร์

สองวิธีที่ทำให้โมเดลทำตามคำขอ

การหลบเลี่ยงด้วยพรอมป์ต์ ยังคงเก็บพฤติกรรมปฏิเสธไว้ในค่าน้ำหนักของโมเดล แล้วพยายามหาทางเลี่ยง ไม่ว่าจะเป็นเทคนิคใส่ข้อความนำให้โมเดลตอบต่อ การใช้ถ้อยคำเฉพาะในพรอมป์ต์ระบบ หรือการกำหนดสถานการณ์ให้สวมบทบาท วิธีนี้ได้ผลบ่อยพอที่จะได้รับความนิยม แต่ผลลัพธ์ขึ้นอยู่กับความน่าจะเป็น ทิศทางที่ทำให้เกิดการปฏิเสธยังคงอยู่ในโมเดล ดังนั้นการสร้างข้อความยาว ๆ การใช้ถ้อยคำที่ไม่คุ้นเคย หรือผลจากการปรับจูนด้านความปลอดภัยที่แทรกเข้ามา อาจกระตุ้นให้โมเดลปฏิเสธกลางเรื่องได้ - และการปฏิเสธเพียงครั้งเดียวก็ทำให้งานที่สร้างมาตลอดทั้งบ่ายสูญเปล่า

การนำพฤติกรรมปฏิเสธออกในระดับเทนเซอร์ (การลบทิศทางการปฏิเสธ) เป็นกระบวนการอีกแบบหนึ่ง พฤติกรรมปฏิเสธอยู่ในทิศทางหนึ่งของปริภูมิการกระตุ้นภายในโมเดล เทคนิคนี้ระบุทิศทางดังกล่าว แล้วนำความสามารถของโมเดลในการตอบสนองตามทิศทางนั้นออก - โดยแก้ไขค่าน้ำหนักโดยตรง เมื่อไม่เหลือพฤติกรรมให้กระตุ้น ก็ไม่จำเป็นต้องเจาะข้อจำกัดด้วยพรอมป์ต์อีก

ทำไม "อัตราปฏิเสธ 0% ในชุดทดสอบ A/B" จึงเป็นตัวเลขที่สำคัญ

การกล่าวอ้างทำได้ง่าย แต่การแสดงผลลัพธ์อย่างทั่วถึงทำได้ยากกว่า ตัวชี้วัดที่มีความหมายคืออัตราการปฏิเสธที่วัดจากชุดพรอมป์ต์มาตรฐาน (ชุดทดสอบ A/B) ซึ่งครอบคลุมหมวดหมู่ที่โมเดลมักจะปฏิเสธ โดยใช้วิธีทดสอบเดียวกันทุกครั้ง โมเดลที่มีอัตราปฏิเสธ 0% ตลอดทั้งชุดทดสอบ ไม่ได้เพียง "ทำตามคำขอเป็นส่วนใหญ่" - แต่พฤติกรรมนั้นหายไปแล้วอย่างแน่นอน และให้ผลเช่นเดียวกันในทุกคำขอ

ความแน่นอนนี้คือข้อแตกต่างที่ส่งผลจริงต่องานเขียนขนาดยาว: โมเดลที่ใช้พรอมป์ต์เจาะข้อจำกัดแล้วทำตามคำขอได้ 98% หมายถึงความล้มเหลวหนึ่งครั้งในการสร้างข้อความทุกห้าสิบครั้ง ส่วนอัตราปฏิเสธ 0% ของโมเดลที่ลบพฤติกรรมปฏิเสธออกแล้ว หมายความว่าความล้มเหลวรูปแบบนี้ไม่มีอยู่อีกต่อไป

การลบพฤติกรรมปฏิเสธต้องแลกกับอะไร (และไม่ต้องแลกกับอะไร)

เทคนิคการลบพฤติกรรมปฏิเสธในยุคแรกต้องแลกความสามารถของโมเดลกับการทำตามคำขอ เทคนิคยุคใหม่ - รวมถึงโมเดลที่เราให้บริการ เช่น Qwen 3.8 Flash Next Uncensored - ออกแบบมาให้ส่วนประมวลผลภาพ การเรียกใช้เครื่องมือ และการใช้เหตุผลยังคงทำงานได้ครบถ้วน โดยไม่มีการสูญเสียความสามารถที่วัดได้จากการประเมินมาตรฐาน สิ่งที่ควรตรวจสอบจึงไม่ใช่แค่คำกล่าวอ้างว่า "ไม่ปฏิเสธคำขอ" แต่เป็น "ไม่ปฏิเสธคำขอ และยังได้คะแนนเท่าระดับเดิม"

กรอบการใช้งานที่ถูกต้องตามกฎหมาย

การนำพฤติกรรมปฏิเสธออกมีจุดมุ่งหมายเพื่อเสรีภาพในการสร้างสรรค์ - ทั้งธีมมืดหม่น ความขัดแย้ง และเรื่องแต่งที่มีความซับซ้อนทางศีลธรรม - ไม่ใช่เพื่อเอื้อให้เกิดอันตราย Unquant ให้บริการโมเดลรุ่นที่เปิดให้เข้าถึงได้ทั่วไปเพื่อการใช้งานที่ถูกต้องตามกฎหมาย และไม่อนุญาตให้ผู้ใดนำไปใช้ในทางที่มุ่งก่ออันตรายในโลกจริง ไม่ว่าจะที่ใดก็ตาม

ขั้นตอนต่อไป

เริ่มต้นที่หน้าข้อมูลโมเดล GLM-5.3-Flash หรือ Qwen 3.8 Flash Next