安全限制被弱化或移除的生成式模型。
无审查模型像没熄火的摩托:拧油门就走很痛快,刹车和护具却一起卸了。
测试限制或本地部署时会见到它,代价是危险输出更难拦住。
AI Guardrails无审查模型弱化或移除了用于限制危险输出的护栏。
Jailbreak越狱是绕过现有限制;无审查模型则可能本就限制较少。
Alignment对齐训练为模型设定行为边界,无审查模型往往弱化这些边界。