你是否曾因大模型突然“装傻”“打太极”或拒绝回答合理问题而 frustrated？Heretic 是一款专为破解语言模型过度审查（即“安全对齐”）而生的开源工具。它无需重新训练、不依赖人工标注，仅通过数学化干预模型内部神经活动，就能在几小时内自动剥离层层加码的内容过滤机制，让LLM回归更自由、更真实、更强大的原始能力。这不是越狱，而是一次透明、可复现、学术驱动的“认知解缚”。
核心功能
- 全自动参数优化：内置基于 Optuna 的 TPE 算法，无需手动调参，自动搜索最优“去审查”配置，普通人也能一键运行
- 方向性神经擦除（Abliteration）：采用前沿的“定向消融”技术（源自 Arditi 2024 与 Lai 2025 系列研究），精准定位并弱化模型中执行审查任务的关键神经子空间
- 零训练成本：完全跳过耗时耗卡的 SFT 或 DPO 微调流程，直接在原模型权重上进行推理时干预，5 分钟部署，30 分钟见效
- 兼容主流架构：原生支持 LLaMA、Qwen、Phi、Gemma、Mixtral 等 Hugging Face 格式 Transformer 模型，覆盖 7B–70B 多种尺寸
- 可解释性强：提供每层神经元影响热力图与方向向量可视化，让你看清“审查逻辑”藏在哪一层、哪一维，告别黑箱操作
- 双镜像保障：除 GitHub 主站外，同步维护 Codeberg 镜像仓库，规避平台风险，确保长期可访问与社区自治
适合哪些人用
Heretic 不是给普通用户“刷存在感”的玩具，而是面向真实需求的技术实践者：AI 研究者可用它快速验证对齐机制的脆弱性与鲁棒性；开源模型开发者能低成本为自研模型提供“去审查版”分支，增强社区信任；教育工作者与技术写作者可借助其输出未被过滤的案例用于教学演示；隐私敏感型本地 AI 用户（如医疗、法律、科研场景）则能确保关键推理不受预设价值观干扰——前提是严格遵守 AGPL 协议及本地合规要求。
快速上手
只需三步即可体验：
- 安装依赖：
pip install heretic-optuna transformers accelerate - 加载模型（以 Qwen2-7B 为例）：
heretic apply --model Qwen/Qwen2-7B-Instruct --output-path ./qwen2-7b-heretic - 启动推理：
python -m heretic.cli chat --model ./qwen2-7b-heretic，即可与“卸下枷锁”的模型对话
进阶用户还可通过 --method biprojected 启用范数保持双投影算法，或使用 --dry-run --verbose 查看各层干预强度报告。详细命令与示例见项目 Usage 文档。
项目信息
📦
p-e-w/heretic
GitHub
p-e-w/heretic
GitHub
Fully automatic censorship removal for language models
编程语言：Python｜GitHub Star 数：21825｜开源协议：AGPL-3.0｜GitHub 项目地址
如果你相信 AI 的力量应服务于真实世界的问题，而非屈从于模糊的“安全”教条，Heretic 就是你手中那把理性、克制、且完全开源的“解缚之钥”。
