待验证50% 置信事实精确时间

Heretic 2.0 的定位从去审查专用工具进化为可抑制模型废话、降低谄媚倾向、调整情感对齐的通用模型修改平台

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/11/1

首次发现

有效期至：2027/1/30

来源

Heretic 2.0 发布：从去审查到通用模型修改工具

涉及实体

相关事实

待验证随着模型能力提升，现代大模型可以生成语无伦次、充满情绪的文本来骗过情绪化测试，使这类测试可靠性快速下降65% 相似待验证近年来的表征工程和激活引导研究表明，某些语义或风格属性（如情感倾向、拒绝行为）在激活空间中存在近似线性的方向，沿该方向加减向量即可调控模型输出。65% 相似待验证开启思维链后模型会一步步自言自语，更容易夹带情绪化、口语化甚至拟人化的表述64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1123798

API

curl https://kongchang.com/api/v1/knowledge/claims/1123798

MCP

get_claim(id=1123798)