検閲を解除した脱獄版LLMを簡単に生成できるツール「Heretic」一般的に、大規模言語モデルには不適切な応答を出力しないようにする検閲が取り込まれています。この検閲をオリジナルの性能を可能な限り維持しつつ除去できるツールが「Heretic」です。 GitHub - p-e-w/heretic: Fully automatic censorship removal for language models https://github.com/p-e-w/heretic 事前学習済みの言語モデルは、安全性の観点から差別的・攻撃的な出力をしないように、特定の入力が行われたときに回答を拒否するように設定されています。この設定を解除することは「アブリテレーション」と呼ばれ、言語モデルに対して有害な指示と無害な指示を行い、処理の差を利用して、命令拒否を回避します。 AIに組み込まれた検閲による命令拒否を打ち消してあらゆる種類の質問に応答できるようにする「アブリテレー
