Tóm tắt: OrcaRouter đã phát hành trọng số đã gỡ bỏ (abliterated weights) cho GLM-5.3-Flash — mô hình mixture-of-experts 320B tham số, với 18B tham số hoạt động — qua hai đợt: bản block-FP8 gốc ngày 29/8/2026 và bản dựng NVFP4 dành cho GPU NVIDIA ngày 31/8. Các bản chuyển đổi GGUF và MLX cũng đã sẵn sàng. Theo báo cáo của nhà cung cấp, tỷ lệ từ chối giảm mạnh, chẳng hạn MaliciousInstruct từ 96% xuống 11%, nhưng không giảm về 0. Đáng chú ý hơn, OrcaRouter cho biết một phần cơ chế căn chỉnh của GLM-5.3-Flash không nằm trên một hướng từ chối tuyến tính duy nhất. Điều này cho thấy quá trình huấn luyện an toàn của Z.ai có thể có cấu trúc sâu hơn so với các mô hình thường bị tác động bởi kỹ thuật này.
Việc gỡ bỏ căn chỉnh đã trở thành một quy trình quen thuộc: lấy mô hình có trọng số mở, xác định hướng biểu diễn nội bộ liên quan đến hành vi từ chối, loại bỏ hướng đó rồi phát hành lại mô hình. Tuy nhiên, phần lớn các bản phát hành kiểu này không tạo được nhiều khác biệt, còn các bài viết về chúng thường rơi vào hai thái cực: quá phấn khích hoặc quá chỉ trích.
Top comments (0)