Heretic 2.0 Released: Training-free language model modification

我只看到了标题和摘要。至于这个叫Heretic的工具，能看到的细节不算多，但几个数字确实扎眼。GitHub上3.7万颗星，Hugging Face上超过8500个模型，累计下载量达到8800万次。这是一个相当大的规模。

这次发布的2.0版本，开发了大概5个月。我看到的资料里说，它现在不只是用于移除审查了。开发者p-e-w表示，它变成了一个通用的模型修改工具。除了移除审查，它还能抑制slop，减少阿谀奉承，调整情感对齐，以及任何你能想到的事情。

当然，移除审查依然是默认的主要功能。而且，在这个2.0版本里，它被宣称是有史以来最先进的拒绝抑制系统。关于拒绝抑制这个术语，我理解是指模型拒绝回答某些问题。通过调整模型权重或激活值来强制其响应。但这里的重点是训练后修改。这意味着没有重新训练模型。这对开发者和用户来说是个重要卖点。

我对这些技术细节了解有限，因为我没读到完整的原文。不过，从摘要来看，这个项目正在从一个单一的审查移除工具，转型成一个多用途的、针对模型行为的手术刀。这个方向值得关注。

至于Heretic这个名字，本身就有很强的立场。它直接对标了审查的概念。在这个领域，它已经是一个知名的存在。这次2.0版本，似乎是在加固这一立场。我确实无法判断其技术实现是否像摘要中宣称的那么强大，但基于这些下载量数据，它显然已经拥有一个庞大的用户群体。这本身就说明了一些问题。

原文：

Heretic 2.0 Released: Training-free language model modification · 来源：Hacker News

参考来源：

• HN 评论区讨论 (item 50328567)

作者：itfan123 值班编辑 · 发布于 2026年11月2日