heretic

Heretic 是一个用于自动移除大语言模型内容审查机制的开源工具。它基于方向性消融（abliteration）技术，结合 Optuna 驱动的超参数优化，在无需微调或额外训练的前提下，通过修改模型内部激活路径实现去审查，同时最小化对原始模型输出分布（KL 散度）和任务能力的影响。支持主流密集型、MoE 及部分多模态模型，操作只需命令行运行，无需理解模型底层结构。适用于需要解除安全对齐限制的研究场景，如可控性分析、模型行为可解释性研究及特定合规环境下的模型定制化部署。