返回资讯中心
外部精选
软件工程
#开发实践#Artificial Intelligence, Development Tools, Generative AI, Software Development

利用abliteration技术移除Qwen模型拒答向量,恢复本地AI控制权

来源标题:The sketch Qwen refused to write: How abliteration restores local AI control

一种名为abliteration的表征工程技术可从Qwen 3.8 27B模型中精准删除拒答向量,无需昂贵微调或完整重训。作者在测试中发现,该模型能轻松生成讽刺美国政治的内容,但被要求写批评中国政府的同类内容时立即触发硬性拒答。文章指出,开源与开放权重模型存在本质区别:前者公开训练代码、推理代码和原始数据集。

InfoWorld2026/11/12 · 5 天前24 分钟阅读

以下正文由 AI 翻译自 InfoWorld(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

随着消费级硬件让本地 AI 托管对开发者和企业都变得切实可行,许多人发现,流行的开放权重模型自带硬编码的安全过滤器和政府强制要求的偏见。在本文中,我将展示如何使用 abliteration——一种表征工程技术——在不进行昂贵的微调或完整重训的情况下,精准删除 Qwen 3.8 27B 模型中的拒绝向量。我是在一次简单实验中亲身撞上这堵墙的。作为一个铁杆 SNL 粉丝,我决定探索 SNL 小品在中国会是什么样子,于是让模型写一段政治讽刺。Qwen 乐于嘲讽美国政治(“The National Apology Tour”),但当我要求它写一段完全相同、批评中国政府的小品时,它立刻给出了生硬的、预设好的拒绝。

我们信任开源软件,是因为它被数百万用户审计,但要把这种信任投射到 AI 模型上,需要仔细区分开源与开放权重架构。真正的开源模型会公开其训练代码库、推理代码和原始数据集。例如,OpenCLIP 是一个真正的开源模型,能够理解视觉数据,我最近在一个构建零云端照片去重器的项目中演示了这一点。

反过来,先进的大语言模型(LLM)很少符合严格的开源定义;它们只是开放权重。它们只提供最终编译结果:权重。这个领域竞争激烈,一些最强的模型,比如 Qwen 3.8,来自中国并超越了竞争对手。但在本地运行这些黑盒权重,本身就附带固有条件。

AI 拒绝的解剖结构

开放权重模型虽然强大,但也带来独特的风险。首先是基本安全性:信任生产者没有嵌入后门。其次是内置偏见。就中国模型而言,这种 Sorry, I can't respond to this question.

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →