Heretic
Heretic：結合方向性消融與 Optuna TPE 的全自動模型去審查工具
Heretic 是一個開源工具，結合方向性消融與 Optuna TPE 參數搜尋，無需昂貴後訓練即可自動去除語言模型的安全審查，實驗顯示在保留模型能力的同時，大幅降低拒絕率。在 Gemma-3-12B 等模型測試中，拒絕率從 97% 降至 3%，KL 散度僅略升 1.04，顯示去審查後仍保有原始語意。
Heretic
Heretic 是一個開源工具，結合方向性消融與 Optuna TPE 參數搜尋，無需昂貴後訓練即可自動去除語言模型的安全審查，實驗顯示在保留模型能力的同時，大幅降低拒絕率。在 Gemma-3-12B 等模型測試中，拒絕率從 97% 降至 3%，KL 散度僅略升 1.04，顯示去審查後仍保有原始語意。
方向性消融
背景：Heretic是一個公開專案，主張自動移除變壓器語言模型的審查行為。它採用方向性消融（abliteration）並以Optuna的TPE搜尋參數，目標同時降低拒絕次數與維持原模型分布，從而生成去審查模型並支援多種架構。此外專案有相當關注可操作性與自動化流程。