一項綜合研究利用超過 167 個 GPU 小時，在 13 項基準測試中評估了八個 Qwen 3.8 27B 模型的無限制變體。結果顯示 'orcarouter' 以 HarmBench 82.2% 的攻擊成功率成為最佳表現者，而 'apostate' 則憑藉最低的 KL 散度提供了最高的性價比。這項分析透過平衡拒絕率與輸出品質，協助本地 LLM 愛好者選擇最佳的無限制模型。它提供了具體數據，說明不同的消融方法如何影響模型能力，例如版權解鎖和近恒等性保留。該研究利用 KL 散度測量分佈差異，並使用 HarmBench 評估拒絕率，顯示出更高的無限制程度並不總是會降低品質。特定的變體如 'apostate' 使用了新的 KCRN 方法，僅透過 41 次實際編輯就達成了近恒等性能力。

事件背景

消融模型（Abliterated models）是經過權重修改以降低拒絕率的大型語言模型，無需進行完整的重新訓練。KL 散度是一種統計測量值，用於量化一個機率分佈與另一個分佈之間的差異，是衡量模型保真度的關鍵指標。HarmBench 是一個標準化的自動化紅隊測試框架，用於評估模型抵抗對抗性攻擊的能力。

社群觀察

社群成員讚賞了這項廣泛的研究，但要求提供視覺輔助以增進清晰度。大家對於攻擊成功率與輸出品質之間的權衡進行了熱烈討論，並質疑更嚴格的無限制方法是否會降低原始模型的表現。