#abliteration
共 2 篇相关文章
·15 分钟
jlens-gguf：为llama.cpp本地大模型带来雅可比透镜可视化与引导
jlens-gguf是一款开源工具，将Anthropic雅可比透镜（Jacobian Lens）可解释性方法引入GGUF与llama.cpp生态，支持模型内部观测、实时引导（steering）及abliteration操作，兼容dense与MoE架构，让本地推理用户也能探索大模型内部机制。
阅读全文 →
·15 分钟
雅可比透镜实战：用J-Space手动改造大语言模型行为
Anthropic发布Jacobian-Lens（雅可比透镜）后，开发者将其从可解释性工具反向用于行为编辑，通过手动调整J-Space定向修改大模型输出。本文深度解析其技术原理、表征工程价值与AI安全隐忧。
阅读全文 →