Инструмент, который автоматически снимает встроенную цензуру и отказы в ответах с языковых моделей.
Heretic применяет технику abliteration — направленное удаление внутренних механизмов, отвечающих за отказ модели отвечать на определённые запросы, — и автоматически подбирает параметры через оптимизатор Optuna, минимизируя число отказов при сохранении качества модели. Пользователю не нужно разбираться во внутреннем устройстве трансформеров: достаточно запустить программу из командной строки на поддерживаемой модели (Gemma, Qwen и другие). По заявлению автора, результат сопоставим с ручной декензурой моделей от экспертов.
Описание автора:Fully automatic censorship removal for language models
Python★ 31 499создан 21 сентября 2025форков 3 523AGPL-3.0
