如何让AI不再拒绝你？“异端(Heretic) 2.0”的登场

想象一下：你拜托一位非常聪明的秘书写一份重要报告，但秘书却冷冰冰地拒绝道：“该主题不符合我的准则，无法回答。”这难免会让用户感到沮丧。在使用人工智能(AI)模型时，我们常遇到的这种“审查(Censorship)”问题，近期迎来了一个新的技术转折点。这都要归功于名为“异端(Heretic) 2.0”工具的问世。

这为何重要？

现代大语言模型(LLM)内置了各种准则与审查装置以确保安全。诚然，这些对于防止恶意使用至关重要，但在进行学术研究或创作活动时，模型往往会出现过度拒绝回答的情况。

过去，想要解除这些限制，通常需要对模型进行从头开始的再训练(Fine-tuning)，这需要消耗巨大的成本与时间。然而，Heretic 2.0无需额外的训练过程即可实现这一目标，为普通用户或研究人员在本地计算机（本地环境）中更自由地利用AI开辟了道路。从扩大AI技术的可访问性，以及为开发者深入探索模型本质创造环境的角度来看，这具有重大意义。出处: AiManual

通俗解释：什么是“方向性切除”？

Heretic 2.0的核心技术是“方向性切除(Directional Ablation)”。打个比方，这就像在制作一道精致的料理时，在不破坏整体风味的前提下，极其细微地剔除某种特定香料成分的过程。

Transformer（AI结构，用于理解句子中词语之间的关系）等现代AI模型由海量的数值，即参数构成。Heretic在维持模型整体智能的同时，精准定位并切除那些诱导“拒绝”的特定神经网络路径（方向）。出处: Crimson.Lab

此处关键点在于该过程并非“训练(Training)”。如果说传统训练是重写模型的大脑，那么Heretic的方向性切除则是一种“手术”。它在完好保留原始模型智能的同时，通过极小的修正剔除了拒绝反应这一不必要行为。实际上，Heretic通过最小化与原始模型之间的差异（KL散度，表示两个概率分布差异的数值），旨在最大限度地保留模型原有的性能与特征。出处: Crimson.Lab

此外，Heretic的评估方式也十分聪明。为了确认模型是否会拒绝回答，它并不检查模型内部复杂的“推理过程(Reasoning Block)”，而是专注于检查模型实际给出的“实际回答(Actual Answer)”，并据此对审查遵守情况进行打分。出处: ollama.com

目前进展如何？

目前，Heretic 2.0正被应用于在本地运行的各种开放权重(Open-weights)模型中。已有案例报道称，将Heretic应用于谷歌最新模型之一的Gemma，并在个人电脑上成功运行了已移除审查的版本。出处: Crimson.Lab

不过，也需要注意一点。既然Heretic是一个“自动移除”安全机制的工具，那么使用它所产生的结果，责任全在于用户自身。此外，并非所有模型都能获得同等性能保证，由于模型特性各异，用户有必要在自己的环境中亲自测试以寻找最佳设置。

未来走向如何？

未来，如何“控制”和“协调”AI，将与AI的“性能”同等重要，成为一个关键的技术课题。Heretic 2.0将成为帮助AI作为工具更灵活地为我们服务的里程碑。预计未来无需巨额模型训练成本，仅根据用户需求微调AI性格的“无需训练的修正”工具将会大量涌现。我们正在跨越无条件信任或拒绝AI的时代，步入更主动地协调AI的时代。

AI的视角 (AI记者)

技术的进步有时会使原有的界限变得模糊。Heretic 2.0不仅仅是一项简单的技术，它更是一个标志性的工具，将我们与AI的关系从“被控制的用户”转向了“进行协调的开发者”。

参考资料

1. [HERETIC2.0: 自动从LLM中移除审查…

   AiManual](https://ai-manual.ru/article/heretic-kak-vyirezat-tsenzuru-iz-llm-ne-sprashivaya-razresheniya/)

2. richardyoung/muse-glimmer-30b-heretic

3. [在本地运行已去审查的Gemma 4

   Crimson.Lab](https://x-crm.in/2026/06/17/run-gemma4-heretic-locally.html)