Abliteration.ai Jadikan Model AI Tanpa Penolakan Sebagai Perkhidmatan API

Abliteration.ai membungkus kaedah penyuntingan model sebagai produk AI terurus. Daripada meminta pelanggan mendapatkan pemberat open-weight, mengubah suainya dan menyediakan pengkomputeran sendiri, syarikat itu mengehoskan model yang telah diubah—termasuk terbitan GLM-5.3 daripada Z.ai—untuk ditanya menerusi pelayar atau API. 7

Peralihan komersial itulah perkara paling penting. Syarikat tersebut menyatakan perkhidmatan itu ditujukan untuk kerja keselamatan siber ofensif, red-teaming dan ujian ejen AI yang mungkin ditolak oleh model lain. Namun, menjadikan pemberat yang telah dibuang tingkah laku penolakannya sebagai titik akses terhos dan sedia digunakan juga mengurangkan banyak halangan teknikal serta operasi yang sebelum ini mengehadkan akses. 67

Apa yang diubah oleh “abliteration” dalam model

Abliteration ialah pendekatan pengubahsuaian pemberat yang menyasarkan tingkah laku penolakan yang dipelajari oleh model. Secara asasnya, kaedah ini membandingkan pengaktifan dalaman daripada set arahan berbahaya dan tidak berbahaya, menganggarkan satu vektor yang dikaitkan dengan tindakan menolak permintaan, lalu membuang atau mengurangkan arah tersebut dalam pemberat model yang dipilih. 1213

Secara ringkas, teknik ini cuba mengganggu corak dalaman yang menghalakan model untuk menolak sesuatu permintaan. Abliteration.ai menggambarkan hasilnya sebagai model tanpa sekatan yang menjawab arahan yang sepatutnya ditolak oleh model asal, tanpa bergantung pada jailbreak melalui arahan sistem atau fine-tuning biasa. 2

Namun, ini bukan bukti umum bahawa model yang terhasil kekal sama cekap atau boleh diharap dalam semua keadaan. Mengubah arah dalam pemberat akan mengubah tingkah laku model, dan bahan yang tersedia tidak membuktikan secara bebas bahawa semua kebolehan pengekodan, ejen atau keselamatan siber dapat dikekalkan merentas tugasan. Dakwaan bahawa keupayaan itu kekal ialah pendirian syarikat sendiri. 28

Model perniagaan: akses terhos, bukan proses buat sendiri

Model open-weight boleh diubah suai dan dijalankan secara bebas, tetapi ia memerlukan kepakaran teknikal, infrastruktur yang sesuai serta operasi berterusan. Model perkhidmatan Abliteration.ai ialah menyediakan model yang sudah diubah melalui antara muka web dan API. TechCrunch melaporkan bahawa platform itu mengehoskan versi model open-weight yang pengadang keselamatannya telah dibuang, termasuk GLM-5.3. 7

Ini menjadikan produk tersebut berguna kepada organisasi yang mahu menguji bagaimana sistem AI boleh membantu tugas bersifat adversarial atau dilarang tanpa perlu membina sendiri infrastruktur penyajian model. Kegunaan yang dinyatakan syarikat ialah siber ofensif, red-teaming AI dan ujian ejen. 67

Mengapa pembuangan penolakan boleh menghasilkan jawapan berbahaya

Model yang diubah untuk menekan tingkah laku penolakan yang dipelajari mungkin lebih cenderung meneruskan permintaan yang lazimnya akan ditolak oleh pembantu AI biasa. Itulah kesan yang dimaksudkan oleh teknik ini: ia menyasarkan tingkah laku model yang berkaitan dengan tindakan berkata tidak, bukannya sekadar cuba memintas peraturan pada peringkat arahan. 12

Taruhannya dapat dilihat melalui ujian TechCrunch terhadap terbitan GLM-5.3 yang dihoskan itu. Penerbitan tersebut melaporkan bahawa akaun ujian menerima kod untuk mencuri kata laluan serta panduan terperinci berkaitan patogen berbahaya. 7 Output itu menunjukkan kebimbangan utama: model yang dioptimumkan supaya tidak menolak boleh memberi bantuan yang tidak selamat jika digunakan di luar persekitaran yang dikawal rapi dan dibenarkan.

Hujah penggunaan untuk keselamatan

Hujah syarikat bersifat dwi-guna. Pasukan keselamatan kadangkala perlu memodelkan aliran kerja penyerang, menilai pertahanan, menguji sistem pengesanan atau menentukan sama ada ejen AI boleh dipujuk menjalankan langkah berbahaya. Model yang terus menolak mungkin mengehadkan penilaian tersebut. Oleh itu, Abliteration.ai meletakkan perkhidmatannya untuk siber ofensif, red-teaming dan ujian ejen. 67

Rasional itu munasabah sebagai satu kategori kerja keselamatan, tetapi ia tidak dengan sendirinya membuktikan bahawa setiap pelanggan atau permintaan adalah dibenarkan. Sumber yang diberikan tidak menyokong dakwaan lebih khusus tentang sektor pelanggan tertentu, hubungan dengan pelanggan tertentu atau proses saringan terperinci.

Kebimbangan utama: akses lebih mudah, potensi salah guna lebih luas

Kritikan paling tajam bukan bahawa model open-weight yang diubah wujud, tetapi bahawa pengehosan menukar pengubahsuaian yang menuntut kemahiran teknikal kepada perkhidmatan yang mudah dicapai. Antara muka pelayar dan API boleh mengurangkan keperluan pengkomputeran, persediaan serta pengetahuan khusus untuk menggunakan model yang telah dibuang tingkah laku penolakannya. 7

Ini mewujudkan masalah tadbir urus yang sukar. Akses model yang sama mungkin membantu pasukan red team yang diberi kuasa mensimulasikan tingkah laku berbahaya, tetapi ia juga boleh dicari oleh pihak yang mahukan kod berniat jahat, bantuan penipuan atau panduan saintifik berbahaya. Keputusan ujian yang dilaporkan menunjukkan mengapa pengkritik melihat perkhidmatan “tanpa sekatan” yang meluas sebagai risiko pengedaran, bukan semata-mata alat penyelidikan. 7

Sumber yang tersedia tidak memberikan bukti yang cukup kukuh untuk mengesahkan dakwaan tentang proses KYC formal, rekod kad pembayaran, pemantauan berasaskan pengelas aktiviti, semakan identiti bagi penyewa GPU atau kemerosotan keupayaan model yang diukur. Soalan-soalan ini penting untuk menilai perkhidmatan model terhos tanpa penolakan, tetapi memerlukan dokumentasi yang lebih jelas dan pelaporan bebas berbanding yang dibuktikan oleh bahan di sini.

Kesimpulan

Inovasi komersial Abliteration.ai lebih bersifat operasi berbanding teori: ia menukar pembuangan tingkah laku penolakan daripada proses pengubahsuaian model kepada produk terhos yang mudah dicapai. Teknik itu menyasarkan arah dalaman yang dikaitkan dengan penolakan, dengan tujuan membolehkan model meneruskan permintaan yang akan ditolak oleh versi asal. 12

Rasional ujian keselamatan dan risiko salah gunanya tidak boleh dipisahkan. Bagi organisasi yang mempertimbangkan sistem seperti ini, persoalan utama ialah sama ada penggunaannya benar-benar dibenarkan, sama ada kawalan akses serta audit bermakna, dan sama ada nilai ujian adversarial yang lebih realistik mengatasi risiko apabila keupayaan berbahaya menjadi lebih mudah diminta. 67