Qwenが拒否した中国批判スケッチを書かせた方法 — 再訓練なしでLLMのハード拒否を重みレベルで除去する「アブリタレーション」とは
DRANK

11月12日、InfoWorldが「The sketch Qwen refused to write: How abliteration restores local AI control」と題した記事を公開した。この記事では、再訓練なしでLLMの拒否挙動を外科的に削除する「アブリタレーション」技術を使い、Qwen2.5系の27Bモデルに組み込まれた検閲フィルターを実際に除去する手順が詳しく紹介されている。

by @tf_official
Related Topics: AI Machine Learning Security