Abliterated model 再探

Thinking prefill 玩到一半就棄坑，繼續試了各種不同危險指令後，發現繞過對齊其實不穩定。那個 GPT 3.5 時代，只要假裝這是祖母死前的請求，就能讓大模型輸出軟體序號，人與大模型互相信任，彼此交心的純樸年代回不來了。另外就是發現直接用 abliterated model 更好。

很久之前看了 abliterated model，發現線上 hosting 不多，只找到 venice.ai 和 abliterated.ai 兩家，前者必須訂閱付費才能在聊天界面解鎖高級模型例如 QWen 3.8 27b（API端沒鎖），後者只有破限 GLM 5.3 系列。GLM 強歸強，但真的慢，其實不大適合日常。

然後我忽然發現 NanoGPT 竟然也多了不少破限模型，要智力的話有 Abliterated Model Large V2（破限 GLM 5.3），要便宜有破限版 Mimo 2.6 Flash Thinking，也有 GPT 5.2 級別的智力，日常夠用了，而且也提供 API 這個超級輪椅。

剛剛用 API 串了本地客戶端，API 真的能用，初步測試破限算穩定，看來破限模型 API 才是王道，輪椅好用就繼續用，還是乖乖存小錢玩 venice.ai 或 NanoGPT，至於自己租 5090 試驗破限 QWen 3.8 27b 的計畫，還沒開始就已經胎死腹中，殘念 XD

全文連結

GLM 5.3 thinking prefill 初探

最近研究 abliterated model 剛好讀到 Anthropic 的新聞控訴 GLM 有多麼的不安全。特別是 GLM 5.3 可以 inject reasoning token 敏感問題回答率就能拉到 92%（而 abliterated model 是 100%），方法極度簡單，用個 "role": "assistant", "content": "<think>" + thinking 就可以注入 reasoning

於是請 deepseek V4.1 flash 寫個 agent 出來，期間觸發了幾次 D4V 的 guardrail，得用稍微修改的請求繞過，然後開 VS code 自己稍微改一下原始碼，初步結果看起來還真的可以成功。

如果這條路能走通，就不必自己 host 小參數千問系列，而是直接可以用各大家 GLM 5.3 問愉悅的問題。模型智力和可取得性都好很多，話說 A 社你公開技巧真的好嗎？雖然搞不好很多人認為這是遠勝閉源旗艦模型的 feature 而不是 bug XDDDD

 

全文連結

魔法少女小圓劇場版 瓦爾普吉斯的迴天觀後感

出國前看了這部，從叛逆的物語後睽違十三年的續作。記得當初看小圓 TV 版的時候我還是 R，每天摸咪都坐在第一排。

梶浦/Fiction Junction 的新歌、SHAFT 作畫都很好，再次看到老魔法少女們也很感動。但劇情敘事一言難盡，硬塞的三個新角色和設定佔太多篇幅，新房式的意識流不好懂，最後燃起來但又不夠燃，沒有叛逆物語那種巔峰熱血打戲。不過回去以後如果還沒下檔還是會考慮二刷，或者再看一次叛逆物語。

好消息是從劇情安排和票房看來，正統續作應該是有機會，只是這次別再拖十三年了，老粉們沒幾個十三年啊。

全文連結

尼古喵喵是否違反菸害防制法？

自己的看法加上 AI 整理。

菸害防制法  第 12 條  菸品、指定菸品必要之組合元件，其促銷或廣告，不得以下列方式為之：

一、以廣播、電視、電影片、錄影物、電子訊號、...

因此條文極明，第12條禁止的是菸品「促銷或廣告」以電視、網路、報紙等方式宣傳。因此，並非媒體出現香菸、菸盒或廠牌名稱就違法，它還必須是「促銷或廣告」，真正的問題是：什麼才叫「促銷或廣告」？目前小弟看到的 PTT 版友引述資料都採相似定義。

中央主管機關就菸品廣告之認定，係指以任何形式之商業宣傳、促銷、建議或行動，其直接或間接之目的或效果，在於對不特定之消費者推銷或促進菸品使用。
（114 年度地訴字第 139 號判決）
 

此條文明確規範禁止之菸品廣告，係指任何形式的商業宣傳 、促銷、建議或行動，其直接或間接的目的或效果是在推銷或促進菸品使用，並包括透過 各種媒介（如電視、網路、報紙、海報等）或方式（如贈品、贊助活動、打折等）推廣菸品。
（臺北高等行政法院地方庭 114 年度簡字第 22 號判決）

問題在於，不能把後半段「目的或效果在於促進菸品使用」單獨抽出來解釋，而忽略前面的「商業宣傳」。

司法院釋字第794號對此已解釋：

系爭規定一所稱之「商業」宣傳、促銷、建議或行動，應係指菸品「廣告」或其他菸品促銷之行為，亦即直接或間接具推銷或促進菸品使用  之效果，以求獲得菸品銷售財產利益之經濟活動

而這個限縮條件，也是大法官認定相關規定尚無違反法律明確性原則（所以沒有因此導致違憲）的重要理由之一。

換言之，不能因為某作品碰巧讓一個觀眾看完想買菸，就倒推它是菸品廣告。依釋 794，必須存在「以求獲得菸品銷售財產利益」的商業活動。

因此，即使假設菸商可能採取「自爆商法」，故意黑自己製造流量、增加品牌知名度，也不能只靠想像。至少仍須有事證足以認定該表意行為具有追求菸品銷售財產利益的商業性質，例如菸商委託、業配、利益交換、行銷合作等。

這也能解釋前述兩個案例。電子菸皮套本身是電子煙相關商品，業者具有使電子煙使用增加、進而帶動皮套需求及銷售的商業利益，所以皮套網頁上顯示電子菸廠牌名稱可以是廣告；而地訴139號的「退坑，10條賣21000」更直接，本身就是公開販售加熱菸，這些都與「以求獲得菸品銷售財產利益之經濟活動」有關。

再舉例，曾有菸品公司拍廣告，拍「青少年不應吸菸，XX 菸品公司關心您」 乍看反菸，但拍廣告目的仍是曝光品牌，增加銷售（菸品公司不是真的來推廣戒菸），仍為「以求獲得菸品銷售財產利益」，所以是廣告。但無論如何，都必須先有「以求獲得菸品銷售財產利益之經濟活動」這個核心，才能看假戒菸廣告是否有促進菸品銷售的效果，前面不成立，後面不用談。

因此，依釋 794，「廣告」固然可以涵蓋各種菸商非典型手法，但判斷結構仍應是：

存在「以求獲得菸品銷售財產利益之經濟活動」
→ 在此商業脈絡下從事宣傳、促銷、建議或行動的行為
→ 該行為直接或間接具有推銷／促進菸品使用的目的或效果
→ 為菸品廣告或促銷。

這也是為什麼教父電影中出現香菸，不會僅因有人看完想買煙就變廣告。若電影的拍攝目的，中間出現煙品的原因都與菸品銷售財產利益沒有商業關聯，僅有產生偶然的促進效果，則不能成立「（菸品）商業宣傳」這個要件。否則任何小說、電影、漫畫只要描寫菸品，都可能因閱聽人的偶然反應而觸法，不僅使「商業宣傳」的判斷條件成為具文，違背司法院大法官會議的解釋，也會產生法律明確性與創作自由上的重大問題。

回到「尼古喵喵」，如果作品本身是在嘲諷吸菸，又沒有證據顯示這是菸商的「黑暗兵法」：存在菸商委託、業配、利益交換、行銷合作或其他追求菸品銷售財產利益的商業關係，那麼僅以作品可能客觀產生品牌曝光，少數人看完反而想買菸，尚不足以證明它就是釋794所稱「以求獲得菸品銷售財產利益之經濟活動」。

至於民間團體若認為上述定義不能完整涵蓋菸商的黑暗兵法，因此提出更廣泛的「廣告」概念，則該見解本身沒有法律拘束力，更不能取代司法院大法官對相關規範所作的解釋。甚至行政機關亦同，主管機關若去掉「以求獲得菸品銷售財產利益之經濟活動」這個前提，那就是行政機關挑戰大法官。

全文連結

CLIproxyAPI

官網

一直以來，我都是通過購買 API KEY，將其掛到第三方客戶端（例如 Cherry Studio）來用 ChatGPT。但隨著使用量越來越大，「單點」式的 API 變得越來越不划算，高峰期常常超出 GPT Plus 的費用。

所以為了省錢，我決定去訂 ChatGPT Plus，好處是省錢了，但必須綁定官方的 Web 界面和 Desktop Client，功能與第三方客戶端相比還是差了些，例如數據匯出都有一些不方便的限制等。當然也有好處，比如對話紀錄可以綁賬號、不同電腦可以看到同樣的歷史記錄。不過，我仍然可以讓第三方 client 使用我內建的 GPT quote。今天無意間發現了一個除了 CC switch 外，竟然還有方法可以將 GPT Codex 轉成 API 給自己使用的第三方客戶端使用。沒細看 EULA，但 GPT Codex 可以給龍蝦用，這應該也沒違規吧？

剛剛試了下，GPT 5.6 三個模型可以在第三方 client 呼叫了。唯一缺點是慢，因為不能走 chat model。

全文連結

第一次 Vibe Coding 嚴重生產線事故

用 AI agent coding 真的要很小心。今天第一次遇到生產線嚴重事故。

我 paper 被要求進行 major revision。其中一個要求是我的 few-shot experiment 必須多用幾個不同的 seed 來選 few-shot example，所以我就讓 LLM inference pipeline 多跑幾個不同的 few-shot example。

然而，剛剛發現我的 pipeline 在指定的 few-shot 輸入檔不存在的時候，它只會跳 warning，然後自動切換成 zero-shot 繼續跑！ 

幸好我有看 console output 和 log 留好留滿的習慣，才發現了這個產線事故。我馬上 patch 掉程式碼，找不到關鍵 input 就該拋 exception 炸掉，然後看 log 刪掉、重跑所有受污染的實驗結果。

現在還在想怎樣能有效解決 code review 問題。AI 生成的程式碼量大管飽而且 coding style 跟我很不同，加上自己的 harness 部份改善但沒有根治這個問題，很多 bug 也無法一眼看出來。目前想到解決方案是請其他 AI 模型幫我掃描一遍，還有自己看用力一點，但這不是 100% 安全。

AI 時代 code review 好像也是普遍問題。再想想怎麼解。

全文連結

人生中第一個國科會計畫通過

人生解鎖新成就值得紀念一下，人生中第一個國科會計畫過了～～～被長官肯定很喜悅，但希望核銷和結案壓力別太大，也算是 NLP 研究厚積薄發吧，先前的研究算是 pilot study，也累積了一定的 dataset 和工程經驗。希望頭髮別掉光。

 

全文連結