model_brain_surgery

该项目是一个面向本地大语言模型的向量消融（vector ablation）研究工具，用于定位并削弱模型中与有害行为相关的行为方向。它通过捕获特定层的激活响应，基于有害/无害提示对计算表征偏差方向，并直接修改模型权重实现定向干预。技术上支持 Apple MPS、CUDA 和 CPU 多后端，采用 float16 精度，适配 Hugging Face Transformers 格式模型（如 Qwen3-1.7B），不依赖量化格式（如 GGUF）。适用于模型安全研究、可控性实验及轻量级对齐干预的本地验证场景。