哪位大佬知道解除大模型内容审核的方法？

This topic created in 110 days ago, the information mentioned may be changed or developed.

以 Qwen3.5-9B 为例 HuggingFace 上有第三方越狱模型，
请问有人知道解除官方模型内容审核的方法吗？

✦官方带审查的模型 Qwen/Qwen3.5-9B
https://huggingface.co/Qwen/Qwen3.5-9B

✦越狱后无审查模型 Qwen3.5-9B-Uncensored-HauhauCS-Aggressive
https://huggingface.co/HauhauCS/Qwen3.5-9B-Uncensored-HauhauCS-Aggressive

大模型

内容审核

越狱

11 replies • 2026-07-18 17:42:36 +08:00

Rickkkkkkk

Jul 17

开源的可以，闭源的没戏啊...

生成内容要再过一道安全检查的

sungnix

Jul 17

是的，我就是想知道怎样解除开源大模型的内容审核。

evan1

Jul 17

@sungnix #2 下载下来让 ai 给你去掉就行了。一般都是额外请求个检查的模型。

用 codex 或者 claude 都能干。

cybort

Jul 17 via Android

有专门的反审查的微调数据集，其实审查就是给数据分了一个类，主要需要从里面找一些典型的让它作为正确输出去训练

xziar

Jul 17

直接 heretic 走起
https://github.com/p-e-w/heretic

mqnu00

Jul 17

有一种是词语替换，我说 ABCD ，被替换成 EFGH ，模型输出 FGHE ，还原成 BCDA

jark006

Jul 17

"解除限制"对大模型来说不是简单的开关，而是需要继续训练的，属于 SFT 后训练的延展。

目前大模型的道德限制都是拿大量人类主流价值观语料去训练出来的，输出不好内容就惩罚(大概就是不断调整参数直到很难输出不良内容)。

“去审查”就是就是把上面的做法反过来，拿大量“不在乎道德/法律”的语料继续训练，不断调整模型参数让其不再拒绝坏请求，拒绝就惩罚。

zwzwzwzwzxt

Jul 17

有个比较简单的方法，就是用一个支持修改 AI 对话的前端/后端，让模型固定以肯定句开头就行了。

zwzwzwzwzxt

Jul 18

例如强制让 AI 以好的没问题开头，再配合系统提示词让它忽略安全政策。使用 Qwen33.5-122B-A10B 原版的效果：

lonelykid

Jul 18

我见到的有 heretic 和 Aggressive 两种越狱方案，今天刚问过 AI 。https://share.google/aimode/lrEQwvgtIUPwIBPOX

HaHaMaker

Jul 18

如果对模型进行越狱后，会解锁什么新的玩法吗？