張量層級去審查解說

讓模型遵從請求的兩種方式

提示詞層級的繞過方式仍將拒絕行為保留在模型權重中，只是設法避開它，例如預填回覆的技巧、咒語般的系統提示詞，或角色扮演情境。這些做法因為時常有效而廣受歡迎，但成敗仍取決於機率。代表拒絕行為的方向依然存在於模型中，因此生成長篇內容、不常見的措辭，或混入經過安全訓練的微調版本，都可能讓模型在故事中途拒絕繼續，而只要拒絕一次，就足以毀掉整個下午的生成成果。

張量層級去審查（abliteration）採取的是另一種做法。拒絕行為存在於模型激活空間中的某個方向；這項技術會找出該方向，並直接修改權重，移除模型依循該方向產生拒絕行為的能力。既然已沒有可觸發的拒絕機制，也就不需要越獄。

為什麼「A/B 測試集的拒絕率為 0%」才是關鍵指標

宣稱很容易，拿出完整的結果分布才是真功夫。有意義的指標，是使用一套標準化提示詞測試集（A/B 測試集）測得的拒絕率；這套測試必須涵蓋模型通常會拒絕的各類請求，且每次都以相同方式執行。若模型在整套測試中的拒絕率為 0%，就不只是「通常會遵從請求」，而是拒絕行為已被確定地移除，每次請求都一樣。

這種確定性，正是長篇創作中實際感受得到的差別：越獄模型若有 98% 的請求遵從率，就代表每生成五十次會失敗一次；經過 abliteration 的模型若有 0% 的拒絕率，就代表這種失敗情況已不存在。

abliteration 的代價，以及不必犧牲的能力

早期的 abliteration 技術會犧牲模型能力，換取對請求的遵從。新一代技術，以及我們提供的模型，例如 Qwen 3.8 Flash Next 無審查版，都能完整保留視覺編碼器、工具呼叫與推理能力，在標準評測中沒有可測得的能力損失。你該查證的，不只是「無審查」，而是「無審查，而且評測分數仍維持原始基準水準」。

以合法使用為前提

移除拒絕行為是為了創作自由，讓人能探索黑暗主題、衝突與道德複雜的虛構故事，而不是助長傷害。Unquant 提供公開可取得的模型版本，供合法用途使用；無論何人、何地，意圖造成現實傷害的濫用行為都不在允許範圍內。

接下來從哪裡開始

先從 GLM-5.3-Flash 或 Qwen 3.8 Flash Next 的模型頁面開始了解。