Tensör düzeyinde sansür kaldırma nasıl çalışır?

Bir modelin istekleri yerine getirmesini sağlamanın iki yolu

Prompt düzeyinde kısıtlamaları aşma, ret davranışını model ağırlıklarında bırakır ve bu davranışı tetiklemekten kaçınmaya çalışır: yanıtın başlangıcını önceden doldurma hileleri, sistem prompt'una yerleştirilen özel ifadeler ve isteği rol yapma çerçevesine oturtma gibi. Popüler olacak kadar sık işe yarasa da sonucu olasılıklara bağlıdır. Ret davranışının yönü hâlâ modelde bulunduğundan uzun üretimler, alışılmadık ifadeler veya güvenlik odaklı ince ayarın etkisinin devreye girmesi, hikâyenin ortasında bir reddi tetikleyebilir - tek bir ret de bütün bir öğleden sonra ürettiğiniz içeriği boşa çıkarabilir.

Tensör düzeyinde sansür kaldırma (abliterasyon) ise farklı bir işlemdir. Ret davranışı, modelin aktivasyon uzayındaki bir yönde bulunur; bu teknik o yönü belirler ve doğrudan ağırlıkları değiştirerek modelin bu yönde davranma yetisini ortadan kaldırır. Tetiklenecek bir şey kalmadığından aşılması gereken bir kısıtlama da kalmaz.

"A/B test paketinde %0 ret oranı" neden belirleyici ölçüttür?

İddiada bulunmak kolaydır; sonuçların dağılımını ortaya koymak ise emek ister. Anlamlı ölçüt, modelin normalde karşı çıkacağı kategorileri kapsayan, standartlaştırılmış bir prompt dizisi (A/B test paketi) üzerinde her seferinde aynı şekilde ölçülen ret oranıdır. Test paketinin tamamında %0 ret oranı elde eden bir model, "genellikle istekleri yerine getiren" bir model değildir - ret davranışı deterministik biçimde, her istekte aynı sonucu verecek şekilde ortadan kalkmıştır.

Uzun içeriklerle çalışırken pratikte fark yaratan, bu deterministik davranıştır: kısıtlamaları aşılmış bir modelin %98'lik isteği yerine getirme oranı, her elli üretimden birinin başarısız olması demektir; abliterasyon uygulanmış bir modelin %0 ret oranı ise bu tür bir başarısızlığın hiç yaşanmaması demektir.

Abliterasyonun bedeli nedir, nelerden ödün verilmez?

İlk abliterasyon teknikleri, isteklerin yerine getirilmesi karşılığında model yeteneklerinden ödün veriyordu. Yeni nesil teknikler ve sunduğumuz Qwen 3.8 Flash Next Uncensored gibi modeller ise görsel işleme modülünü, araç çağırmayı ve akıl yürütmeyi koruyacak şekilde tasarlanmıştır; standart değerlendirmelerde ölçülebilir hiçbir yetenek kaybı görülmez. Doğrulamanız gereken iddia "sansürsüz" olması değil, "sansürsüz olması ve değerlendirmelerde hâlâ temel modelle aynı puanı alması"dır.

Hukuka uygun kullanım çerçevesi

Ret davranışını kaldırmanın amacı yaratıcı özgürlüktür - karanlık temalar, çatışmalar, ahlaki açıdan karmaşık kurgu - zarar vermeyi mümkün kılmak değildir. Unquant, herkesin erişebildiği model sürümlerini hukuka uygun kullanım için sunar; gerçek dünyada zarar vermeyi amaçlayan kötüye kullanım, nerede ve kim tarafından yapılırsa yapılsın kapsam dışıdır.

Sonraki adımlar

GLM-5.3-Flash veya Qwen 3.8 Flash Next model sayfalarını inceleyerek başlayın.