小踢先生的部落格

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...