セーフティ on hdknr bloghttps://hdknr.github.io/blogs/tags/%E3%82%BB%E3%83%BC%E3%83%95%E3%83%86%E3%82%A3/Recent content in セーフティ on hdknr blogHugo -- 0.157.0jaThu, 16 Apr 2026 00:00:00 +0000Abliteration（アブリテレーション）https://hdknr.github.io/blogs/wiki/concepts/abliteration/Thu, 16 Apr 2026 00:00:00 +0000https://hdknr.github.io/blogs/wiki/concepts/abliteration/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