タグ: セーフティ

"セーフティ" が付いた記事と Wiki ページ

• Abliteration（アブリテレーション）

  LLM の安全性制限を再学習なしで除去する技術。拒否方向の特定と重みの直交化により、RLHF で学習された拒否行動を削除する