Hacker News front pageAI 評分45
Abliteration 剝離 GLM-5.3 等開源模型護欄，安全團隊如何管控
Eve Security 部落格指出，abliteration 可剝離 GLM-5.3、Llama、Qwen 等開源權重模型的拒答訓練，Anthropic 測試中 abliterate 後的 GLM-5.3 對惡意網路攻擊指令 100% 順從；僅通過 API 訪問的模型（如 Claude）無法這樣處理。管控重點因此落在動作層：為 agent 設全域性策略、限定可觸碰的系統與工具呼叫，動作對該 agent 異常且超風險閾值時暫停，要求其說明理由並核對變更單等真實上下文。