Як працює зняття цензури на рівні тензорів

Два способи змусити модель виконувати запити

Обхід на рівні промпту залишає механізм відмов у вагах і намагається його оминути: через попереднє заповнення відповіді, хитромудрі формулювання системного промпту чи рольові сценарії. Це спрацьовує досить часто, щоб бути популярним, але результат залежить від імовірності. Напрямок відмови залишається в моделі, тому довгі генерації, незвичні формулювання або поява версії, додатково навченої дотримуватися правил безпеки, можуть спричинити відмову посеред історії — а одна відмова зводить нанівець пів дня генерації.

Зняття цензури на рівні тензорів (аблітерація) працює інакше. Поведінка відмови закодована в певному напрямку простору активацій моделі; метод визначає цей напрямок і усуває здатність моделі діяти відповідно до нього, змінюючи самі ваги. Запускати відмову вже нічому, тож і обходити обмеження не потрібно.

Чому «0% відмов у наборі A/B-тестів» — показник, що має значення

Заявляти легко, підтверджувати розподілом результатів — складніше. Значущий показник — це частка відмов, виміряна на стандартизованому наборі промптів (наборі A/B-тестів), який охоплює категорії запитів, що модель зазвичай відхиляє, і щоразу виконується однаково. Модель, що показує 0% відмов у всьому наборі тестів, не просто «зазвичай виконує запити»: поведінку відмови усунуто детерміновано, однаково для кожного запиту.

Саме ця детермінованість має практичне значення для роботи з довгими текстами: якщо модель з обійденими обмеженнями виконує 98% запитів, це означає одну невдачу на п’ятдесят генерацій; 0% відмов в аблітерованої моделі означає, що такого типу збою не існує.

Чим доводиться жертвувати заради аблітерації (а чим — ні)

Ранні методи аблітерації жертвували можливостями моделі заради виконання запитів. Сучасне покоління моделей, зокрема ті, до яких ми надаємо доступ, як-от Qwen 3.8 Flash Next Uncensored, побудоване так, щоб зберегти модуль обробки зображень, виклики інструментів і міркування без жодного вимірюваного погіршення можливостей у стандартних оцінюваннях. Перевіряти слід не заяву «без цензури», а «без цензури і зі збереженням базових результатів».

Правові межі та законне використання

Усунення відмов потрібне для творчої свободи — похмурих тем, конфліктів, художніх творів із морально складними ситуаціями, — а не для заподіяння шкоди. Unquant надає доступ до загальнодоступних збірок для законного використання, а зловживання, спрямовані на заподіяння реальної шкоди, неприпустимі будь-де й для будь-кого.

Наступні кроки

Почніть зі сторінок моделей GLM-5.3-Flash або Qwen 3.8 Flash Next.