Heretic 开源项目可自动移除模型安全对齐

Heretic 是一个托管在 GitHub 上的开源项目，采用 AGPL-3.0 许可，宣称可以全自动移除语言模型的审查与安全对齐。据 2026 年 10 月 14 日的报道，该项目已获得 35.2k stars。报道称其技术路线是 directional ablation（abliteration，方向消融）的进阶实现，并引入基于 Optuna 的 TPE 参数自动优化器，从而做到全程无需人工调参；项目方还称该方式不依赖昂贵的后训练，且在移除安全对齐的同时不会明显损害模型原有能力。目前公开信息主要来自项目自身说明与相关报道，尚无第三方复现或独立评测结果披露。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。