你问模型一个敏感问题，它常常直接拒答。Heretic 想把这种“刹车”自动拆掉：不用再做成本较高的后训练，也不要求使用者理解模型内部结构。单日新增257星，说明这类修改工具正快速吸引关注，也让模型该由谁控制、边界放在哪里变得更难回避。
它采用 Directional ablation（方向消融）——找到模型内部与拒答相关的方向，再将其削弱；随后用 Optuna 自动寻找参数，同时压低拒答次数和 KL divergence（衡量修改前后输出分布差异的指标）。在项目给出的 Gemma 3 12B 测试中，原模型对100条“有害”提示拒答97次，Heretic 版本只拒答3次；其 KL 散度为0.16，低于两个人工消融版本的1.04和0.45。作者据此认为，它在减少拒答的同时较少损伤原模型能力。
不过，这些数字来自项目方测试，且作者注明结果可能随平台和硬件变化；自动指标也不能替代人工评估。更关键的是，减少拒答既意味着更强的使用者控制，也意味着原有安全边界被主动移除。