全部文档 / 标签: PCA

2 篇

解除 Qwen 3.8 的安全护栏：Abliteration 技术解析

文章探讨网络上流传的'无审查'Qwen 3.8 模型。作者测试发现官方原版 Qwen 3.8 对有害请求全部拒绝，所谓无审查版本实为经过 abliteration 处理的衍生模型。Abliteration 是一种永久性的权重修改技术，基于 2024 年 Arditi 等人的研究发现：模型的拒绝行为由内部单一方向向量介导。通过对比有害与无害提示在残差流中的激活差异，用 PCA 找出拒绝方向并从权重中减去，从而移除拒绝反射但保留模型知识。相关衍生模型在 Hugging Face 上已获超 76 万次下载。

技术 › 网络安全

Scott Williams 2026-08-2222.5 KB 42.1K 157 72

LLM Qwen abliteration 模型安全拒绝行为权重修改开源模型 PCA AI对齐越狱

机器学习的方法论总论

本文提出了一套机器学习方法论的统一框架，将学习算法拆解为十八个节点、四大块，以回答PCA、Transformer等不同方法在方法论上的异同。作者指出传统教科书定义、CRISP-DM流程和Domingos三元组的不足，特别是将“优化”作为第三列命名的问题，并引入闭式解、特征分解、积分等七种参数确定方式。文章详细阐述了定题与构造的前九个节点，包括三层代理（W/M/L）、目标与数据顺序、函数族、归纳偏置、参数化形态等，强调组合视角和归纳偏置的重要性。

技术 › LLM

snowboat 2026-08-1386.0 KB 36.9K 60 80

机器学习方法论 PCA Transformer 归纳偏置参数化函数族优化无免费午餐定理 CRISP-DM