💥pliny-the-prompter / obliteratus

OBLITERATUS 是一个带聊天界面的开源工具包，用于识别并移除大语言模型的内容拒绝行为（abliteration），无需微调，支持 PCA、均值差分等多种提取策略，并收集匿名基准数据用于分布式研究。