Transformer 報道指，Hugging Face 在 7 月託管逾 6,500 個標示為「abliterated」、「uncensored」或「heretic」的模型。1 這些字眼通常表示模型的安全過濾或護欄被移除，但數字本身不代表每個模型都有惡意、能力相同，或者違反平台規則。真正棘手的問題是：平台如何分辨「較少拒答」和「專為網絡攻擊而設」？

逾 6,500 個標籤代表甚麼？

報道把上述標籤與移除模型安全過濾或護欄聯繫起來。1 它們可以反映模型如何被介紹，卻不能單靠名稱證明模型實際能做甚麼，也不能說明它執行有害任務時有多可靠。

Audnai 在 Hugging Face 的模型頁面稱，其 abliterated 模型是直接修改模型權重，以移除拒答行為，並非重新訓練。11 這有助理解為何「移除安全措施」和「新增能力」不應混為一談：模型較願意回答，不等於已證明它能成功發動某種攻擊。

平台政策最難劃清的界線

Transformer 報道指，Hugging Face 的內容政策禁止旨在干擾系統、未經授權取得存取權，或生成惡意程式碼的模型。1 因此，審核的問題不只是模型有沒有被修改，而是有甚麼證據顯示它是為受禁用途而設。

Audnai 一個標示為「for offensive cyber」（用於進攻性網絡行動）的模型頁面，現時顯示已因違反內容政策而停用。14 相較之下，搜尋結果亦列有另一個一般的 Audnai abliterated 模型頁面。11 這個對照令平台如何執法更值得追問，但不足以證明兩個模型的能力、意圖或政策狀態完全相同。現有頁面摘錄只提到違反內容政策，未有說明停用決定的具體理據。14

為甚麼看標籤和頁面仍然不夠

模型名稱或開發者描述可以透露預期用途，但不是對模型能力的測試。同樣，聲稱已移除拒答，也不能證明模型能成功完成所有被問到的有害任務。現有資料記錄了模型頁面及其描述，卻沒有提供一套一致、獨立的能力評估，涵蓋所有帶有相關標籤的模型。111

這個分別對內容審核十分重要。如果平台按模型的預期用途、實際展示的能力，或兩者一併執法，使用者和開發者都需要知道平台如何評估這些因素。更清楚交代下架原因，有助外界了解觸犯了哪條政策；一致的評估方法，亦有助分辨只是減少拒答的模型，和被定位為進攻性網絡工具的模型。

數字揭示的是治理難題，不是惡意模型清單

逾 6,500 個模型，較準確的解讀是平台上有相當多模型帶有移除安全護欄相關標籤，而不是有 6,500 個已確認的惡意模型。1 這宗報道亦說明，平台不能只看標籤作決定：還要判斷模型的用途、支持判斷的證據，以及政策如何適用於兼具不同用途的模型。

更透明地解釋執法決定，並以清晰、一致的準則審核，會令這條界線更容易受檢視。現有證據足以顯示平台面對實際的審核難題，但單憑這些資料，仍不能判定所有其餘的 abliterated 模型都應該下架。

Transformer 報道指，Hugging Face 在 7 月託管逾 6,500 個標示為「abliterated」、「uncensored」或「heretic」的模型。1 這些字眼通常表示模型的安全過濾或護欄被移除，但數字本身不代表每個模型都有惡意、能力相同，或者違反平台規則。真正棘手的問題是：平台如何分辨「較少拒答」和「專為網絡攻擊而設」？

逾 6,500 個標籤代表甚麼？

報道把上述標籤與移除模型安全過濾或護欄聯繫起來。1 它們可以反映模型如何被介紹，卻不能單靠名稱證明模型實際能做甚麼，也不能說明它執行有害任務時有多可靠。

Audnai 在 Hugging Face 的模型頁面稱，其 abliterated 模型是直接修改模型權重，以移除拒答行為，並非重新訓練。11 這有助理解為何「移除安全措施」和「新增能力」不應混為一談：模型較願意回答，不等於已證明它能成功發動某種攻擊。

平台政策最難劃清的界線

Transformer 報道指，Hugging Face 的內容政策禁止旨在干擾系統、未經授權取得存取權，或生成惡意程式碼的模型。1 因此，審核的問題不只是模型有沒有被修改，而是有甚麼證據顯示它是為受禁用途而設。

Audnai 一個標示為「for offensive cyber」（用於進攻性網絡行動）的模型頁面，現時顯示已因違反內容政策而停用。14 相較之下，搜尋結果亦列有另一個一般的 Audnai abliterated 模型頁面。11 這個對照令平台如何執法更值得追問，但不足以證明兩個模型的能力、意圖或政策狀態完全相同。現有頁面摘錄只提到違反內容政策，未有說明停用決定的具體理據。14

為甚麼看標籤和頁面仍然不夠

模型名稱或開發者描述可以透露預期用途，但不是對模型能力的測試。同樣，聲稱已移除拒答，也不能證明模型能成功完成所有被問到的有害任務。現有資料記錄了模型頁面及其描述，卻沒有提供一套一致、獨立的能力評估，涵蓋所有帶有相關標籤的模型。111

這個分別對內容審核十分重要。如果平台按模型的預期用途、實際展示的能力，或兩者一併執法，使用者和開發者都需要知道平台如何評估這些因素。更清楚交代下架原因，有助外界了解觸犯了哪條政策；一致的評估方法，亦有助分辨只是減少拒答的模型，和被定位為進攻性網絡工具的模型。

數字揭示的是治理難題，不是惡意模型清單

逾 6,500 個模型，較準確的解讀是平台上有相當多模型帶有移除安全護欄相關標籤，而不是有 6,500 個已確認的惡意模型。1 這宗報道亦說明，平台不能只看標籤作決定：還要判斷模型的用途、支持判斷的證據，以及政策如何適用於兼具不同用途的模型。

更透明地解釋執法決定，並以清晰、一致的準則審核，會令這條界線更容易受檢視。現有證據足以顯示平台面對實際的審核難題，但單憑這些資料，仍不能判定所有其餘的 abliterated 模型都應該下架。