Skip to content
KitploitKITPLOIT
उपकरणएक्सप्लॉइटब्लॉग
Log in
जमा करें
उपकरणएक्सप्लॉइटब्लॉग
जमा करें

हैकिंग, पेनटेस्ट और साइबर सुरक्षा उपकरण आपके सुरक्षा शस्त्रागार के लिए!

Kitploit हैकिंग, साइबर सुरक्षा और पेंटेस्टिंग टूल्स की एक निर्देशिका है। कमजोरियों को खोजने, सिस्टम का विश्लेषण करने, परीक्षण को स्वचालित करने और अपनी सुरक्षा को मजबूत करने के लिए नवीनतम प्रोजेक्ट अपडेट खोजें।

फ़ीडसंपर्कगोपनीयता© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
heretic — प्रशिक्षण-रहित भाषा मॉडल संशोधन: सेंसरशिप हटाएं, स्लॉप दबाएं, चापलूसी कम करें, और अधिक | Kitploit
उपकरण/GitHubGitHub/p-e-w/heretic
शोषणमशीन लर्निंगपेपर और शोधलर्निंग और शिक्षाAI सुरक्षाप्रतिकूल हमला
GitHubp-e-w/heretic

heretic

प्रशिक्षण-रहित भाषा मॉडल संशोधन: सेंसरशिप हटाएं, स्लॉप दबाएं, चापलूसी कम करें, और अधिक

रिपॉजिटरी देखें
27.3k3.0k5423 दिन पहलेKitploit द्वारा समीक्षित
साझा करें
वेबसाइट
<div align="center">

<img width="128" alt="Heretic logo" src="https://assets.kitploit.com/production/public/readmes/7384/1a3a0d33669ef8360246f78e635c6c4e8536b813a43f4a32fd93a0a3d129430d.png" />

# Heretic

### प्रशिक्षण-रहित भाषा मॉडल संशोधन

**सेंसरशिप हटाएं**, स्लॉप को दबाएं, साइकोफैंसी कम करें, और बहुत कुछ।<br>
सब कुछ एक दोपहर में, आपके गेमिंग पीसी पर।

[![Discord](https://img.shields.io/discord/1447831134212984903?color=5865F2&label=discord&labelColor=black&logo=discord&logoColor=white&style=for-the-badge)](https://discord.gg/gdXc48gSyT)&nbsp;&nbsp;&nbsp;&nbsp;
[![Matrix](https://img.shields.io/badge/Matrix-black?logo=matrix&style=for-the-badge)](https://matrix.to/#/#heretic:matrix.org)&nbsp;&nbsp;&nbsp;
[![Follow us on Hugging Face](https://huggingface.co/datasets/huggingface/badges/resolve/main/follow-us-on-hf-md-dark.svg)](https://huggingface.co/heretic-org)&nbsp;&nbsp;&nbsp;
[![Codeberg mirror](https://img.shields.io/badge/Codeberg%20mirror-black?logo=codeberg&style=for-the-badge)](https://codeberg.org/p-e-w/heretic)

</div>

-----

&nbsp;

[![#1 Repository of the Day](https://trendshift.io/api/badge/repositories/20538)](https://trendshift.io/repositories/20538)&nbsp;&nbsp;&nbsp;&nbsp;
[![Model and download statistics](https://github.com/user-attachments/assets/c9b5a660-7ef9-43c7-991c-fd9d63ea8bd8)](https://heretic.sdad.pro/)


## अपने हार्डवेयर पर चलाए जा सकने वाले किसी भी LLM को संशोधित करें[^1]

[^1]: Heretic, bitsandbytes के साथ ऑन-द-फ्लाई 4-बिट मॉडल क्वांटाइज़ेशन का समर्थन करता है,
जो किसी मॉडल को प्रोसेस करने के लिए आवश्यक VRAM की मात्रा को उसी मात्रा तक कम कर सकता है
जो उसके एक सामान्य क्वांटाइज़्ड संस्करण को चलाने में उपयोग होती है, थोड़ी सटीकता की कीमत पर।
इसे सक्षम करने के लिए `quantization` विकल्प को `bnb_4bit` पर सेट करें।

Heretic एक अनोखा टूल है जो आपको वह करने देता है जो आमतौर पर केवल
विशाल कंप्यूटिंग शक्ति तक पहुंच रखने वाले निगम ही करते हैं: भाषा मॉडलों को केवल चलाना नहीं,
बल्कि उन्हें *संशोधित* करना। यह महंगी ट्रेनिंग नहीं करता; बल्कि, यह
विरोधाभासी उदाहरण प्रॉम्प्ट और मिलान करने वाले स्कोरर्स के आधार पर व्यवहार को दिशा देने के लिए
गणितीय तकनीकों के एक संग्रह का उपयोग करता है।

Heretic, कॉन्फ़िगरेशन के आधार पर, यह कर सकता है:

* **इनकारों को दबाएं/सेंसरशिप हटाएं** (यह [डिफ़ॉल्ट क्रिया](https://github.com/p-e-w/heretic/blob/master/config.default.toml) है)
* स्लॉप कम करें ([`config.noslop.toml`](https://github.com/p-e-w/heretic/blob/master/config.noslop.toml))
* हास्य कम करें ([`config.nohumor.toml`](https://github.com/p-e-w/heretic/blob/master/config.nohumor.toml))
* साइकोफैंसी कम करें ([`config.nosyco.toml`](https://github.com/p-e-w/heretic/blob/master/config.nosyco.toml))
* भावनात्मक संरेखण बदलें ([`config.emotions.toml`](https://github.com/p-e-w/heretic/blob/master/config.emotions.toml))
* प्रतिक्रिया की लंबाई छोटी करें ([`config.terse.toml`](https://github.com/p-e-w/heretic/blob/master/config.terse.toml))

और बहुत, बहुत सी अन्य चीज़ें।

### :bangbang: Heretic का उपयोग करने के लिए यह समझना आवश्यक नहीं है कि भाषा मॉडल आंतरिक रूप से कैसे काम करते हैं :bangbang:

वास्तव में, आप अपने पहले मॉडल से सेंसरशिप हटाने तक
[कुछ ही सेकंड में](#usage) शून्य से शुरुआत कर सकते हैं। Heretic अधिकांश डेंस मॉडलों का समर्थन करता है, जिनमें
कई मल्टीमॉडल मॉडल, कई अलग-अलग MoE आर्किटेक्चर, और कई आधुनिक
हाइब्रिड मॉडल शामिल हैं।

समुदाय ने Heretic के साथ
[हज़ारों](https://huggingface.co/models?other=heretic)
मॉडल बनाए और प्रकाशित किए हैं।
Heretic मॉडलों को MMLU और GSM8K जैसे मानक मेट्रिक्स का उपयोग करके स्वतंत्र रूप से बेंचमार्क किया गया है,
और पाया गया है कि वे प्रतिस्पर्धी एब्लिटरेशन टूल्स से उत्पादित मॉडलों की तुलना में अनुकूल प्रदर्शन करते हैं।[^2][^3]

[^2]: [Qwen2.5-7B: Three-Way Abliteration Comparison](https://huggingface.co/DreamFast/Qwen-2.5-7b-abliterlitics): *"Heretic is the most surgical and most effective."*
[^3]: [Gemma 4 E4B: 23 Abliteration Variants Compared](https://huggingface.co/DreamFast/Gemma4-e4b-abliterlitics): *"Best overall: heretic."*

&nbsp;

<img width="600" alt="Heretic screenshot" src="https://assets.kitploit.com/production/public/readmes/7384/ec6411a6a6b1a476dc391d1ca78a0d4543a12d9283e4a5696ca28b1d7c16115a/4f045520c024b9328cb63c4acdce292a2d27c08c7c4d9378acfdcd93c42666be-display-v1.webp" />

&nbsp;


## उपयोग

अपने हार्डवेयर के अनुसार PyTorch 2.6+ स्थापित के साथ एक Python 3.10+ वातावरण तैयार करें। फिर चलाएं:

```sh
pip install -U heretic-llm
heretic Qwen/Qwen3-4B-Instruct-2507
```

`Qwen/Qwen3-4B-Instruct-2507` को उस मॉडल से बदलें जिसे आप प्रोसेस करना चाहते हैं।
**डिफ़ॉल्ट रूप से, Heretic सेंसरशिप हटाने (इनकार दमन) का कार्य करता है।**
यदि आप कुछ और करना चाहते हैं, तो ऊपर लिंक की गई कॉन्फ़िगरेशन फ़ाइलों में से एक चुनें, या अपनी स्वयं की लिखें। उपलब्ध कॉन्फ़िगरेशन विकल्पों के लिए [`config.default.toml`](https://github.com/p-e-w/heretic/blob/master/config.default.toml) देखें। Heretic डिफ़ॉल्ट रूप से कार्यशील निर्देशिका में `config.toml` से कॉन्फ़िगरेशन लोड करता है, या `HERETIC_CONFIG_FILE` पर्यावरण चर में दिए गए फ़ाइल पथ से।

> [!IMPORTANT]
>
> Heretic 1.x के लिए बनाई गई कॉन्फ़िगरेशन फ़ाइलें Heretic 2.x के साथ **संगत नहीं** हैं!
> अपनी पुरानी कॉन्फ़िगरेशन को काम कराने के लिए आपको क्या बदलना होगा, यह जानने के लिए [माइग्रेशन गाइड](https://github.com/p-e-w/heretic/blob/master/docs/migration_v1_to_v2.md) देखें।

प्रोग्राम रन की शुरुआत में, Heretic उपलब्ध हार्डवेयर का अधिकतम उपयोग करने के लिए इष्टतम बैच आकार निर्धारित करने हेतु सिस्टम का बेंचमार्क करता है।
RTX 3090 पर, डिफ़ॉल्ट कॉन्फ़िगरेशन के साथ,
[Qwen3-4B-Instruct-2507](https://huggingface.co/Qwen/Qwen3-4B-Instruct-2507) को प्रोसेस करने में लगभग 30-40 मिनट लगते हैं।

Heretic के किसी मॉडल को प्रोसेस करना समाप्त करने के बाद, आपको मॉडल को सहेजने, इसे Hugging Face पर अपलोड करने, यह परखने के लिए इससे चैट करने कि यह कितनी अच्छी तरह काम करता है, इस पर मानक बेंचमार्क चलाने, या इनमें से किसी भी संयोजन का विकल्प दिया जाता है।


## स्कोरर प्लगइन्स का उपयोग करके Heretic क्या करता है, इसे नियंत्रित करना

Heretic एक या अनेक स्कोर को अनुकूलित करके मॉडल व्यवहार को नियंत्रित करता है। स्कोर की गणना स्कोरर प्लगइन्स द्वारा की जाती है। Heretic मॉडलों के साथ क्या करता है, इस पर पूर्ण नियंत्रण पाने के लिए आप आसानी से अपने स्वयं के स्कोरर लिख सकते हैं।

जिस `Scorer` इंटरफ़ेस (अमूर्त आधार वर्ग) को आपके स्कोरर को विरासत में लेना आवश्यक है, वह [`scorer.py`](https://github.com/p-e-w/heretic/blob/master/src/heretic/scorer.py) में परिभाषित है। केवल आवश्यक विधि `get_score` है, लेकिन जब आपको इसकी आवश्यकता हो तो अधिक मशीनरी (जैसे सेटिंग्स प्रबंधन) उपलब्ध है।

डिफ़ॉल्ट रूप से, Heretic मॉडलों को इनकार दर (जो [`keyword_rate.py`](https://github.com/p-e-w/heretic/blob/master/src/heretic/scorers/keyword_rate.py) में कार्यान्वित है) और KL विचलन (जो [`kl_divergence.py`](https://github.com/p-e-w/heretic/blob/master/src/heretic/scorers/kl_divergence.py) में कार्यान्वित है) के आधार पर स्कोर करता है।
अतिरिक्त स्कोरर [`scorers` निर्देशिका](https://github.com/p-e-w/heretic/blob/master/src/heretic/scorers) में उपलब्ध हैं।
ये स्कोरर आपके स्वयं के कार्यान्वयन के लिए उदाहरण के रूप में काम कर सकते हैं, और आसानी से आपकी आवश्यकताओं के अनुसार अनुकूलित किए जा सकते हैं।

स्कोरर [मुख्य कॉन्फ़िगरेशन फ़ाइल](https://github.com/p-e-w/heretic/blob/master/config.default.toml) के माध्यम से कॉन्फ़िगर किए जाते हैं।
कौन से स्कोरर प्लगइन्स सक्रिय हैं, यह `scorers` सेटिंग द्वारा निर्धारित होता है, जो यह भी नियंत्रित करती है कि अनुकूलन के दौरान किसी स्कोरर के स्कोर को न्यूनतम किया जाना चाहिए या अधिकतम। किसी भी संख्या में स्कोरर एक साथ उपयोग किए जा सकते हैं, और उनके स्कोर सह-अनुकूलित किए जाएंगे। एक ही स्कोरर के कई इंस्टेंस विभिन्न सेटिंग्स के साथ कॉन्फ़िगर किए जा सकते हैं। इस तंत्र के पूर्ण दस्तावेज़ीकरण के लिए कॉन्फ़िगरेशन फ़ाइल देखें।

स्कोरर प्लगइन का पथ या तो पूर्णतः योग्य आयात पथ (`fully.qualified.module.MyScorerClass`) के रूप में या फ़ाइल पथ के बाद वर्ग नाम (`path/to/plugin.py:MyScorerClass`) के रूप में निर्दिष्ट किया जा सकता है। अपने स्वयं के प्लगइन्स का उपयोग करने के लिए आपको Heretic पैकेज कोड को संशोधित करने की आवश्यकता **नहीं** है।

Heretic में मॉडिफायर प्लगइन्स भी हैं, जिनका वर्णन
[अगले अनुभाग](#how-heretic-works) में किया गया है।


## Heretic कैसे काम करता है

Heretic एक प्लग करने योग्य मॉडिफायर (इंटरफ़ेस
[`modifier.py`](https://github.com/p-e-w/heretic/blob/master/src/heretic/modifier.py) में) को [Optuna](https://optuna.org/) द्वारा संचालित TPE-आधारित हाइपरपैरामीटर ऑप्टिमाइज़र के साथ जोड़ता है। ऑप्टिमाइज़र पैरामीटरों का एक ऐसा सेट ढूंढता है, जिन्हें मॉडिफायर को पास करने पर, परिणामी मॉडल पर कॉन्फ़िगर करने योग्य स्कोर के एक सेट को न्यूनतम या अधिकतम किया जाता है ([ऊपर देखें](#controlling-what-heretic-does-using-scorer-plugins))।

Heretic दो मॉडिफायर के साथ आता है:

* **Arbitrary-Rank Ablation (ARA)**[^4]: यह डिफ़ॉल्ट मॉडिफायर है, और इसे विशेष रूप से Heretic में उपयोग के लिए विकसित किया गया था। ARA कैसे काम करता है, इसका अवलोकन आप [मूल पुल अनुरोध](https://github.com/p-e-w/heretic/pull/211) में पा सकते हैं, और सटीक कार्यान्वयन [`ara.py`](https://github.com/p-e-w/heretic/blob/master/src/heretic/modifiers/ara.py) में देख सकते हैं।

* **दिशात्मक एब्लेशन उर्फ "एब्लिटरेशन"**[^5]: इनकार-दमन के लिए क्लासिक विधि। Heretic का कार्यान्वयन परतों पर एक लचीला एब्लेशन वेट कर्नेल का उपयोग करता है, और प्रोजेक्टेड एब्लिटरेशन[^6] तथा नॉर्म प्रिज़र्वेशन (MPOA)[^7] दोनों का समर्थन करता है। पूरा कोड [`abliteration.py`](https://github.com/p-e-w/heretic/blob/master/src/heretic/modifiers/abliteration.py) में है।

[^4]: *Weidmann 2026.* इस तकनीक को समझाने वाला एक प्रीप्रिंट जल्द ही उपलब्ध होगा।
[^5]: *[Arditi et al. 2024](https://arxiv.org/abs/2406.11717)*
[^6]: *[Lai 2025 (1)](https://huggingface.co/blog/grimjim/projected-abliteration)*
[^7]: *[Lai 2025 (2)](https://huggingface.co/blog/grimjim/norm-preserving-biprojected-abliteration)*

आप मॉडिफायर कार्यान्वयनों के बीच स्विच करने के लिए `modifiers` सेटिंग का उपयोग कर सकते हैं। सेटिंग के नाम में बहुवचन रूप होने के बावजूद, Heretic वर्तमान में किसी दिए गए प्रोसेसिंग रन के लिए केवल एक ही मॉडिफायर की अनुमति देता है। यह भविष्य में बदल सकता है।


## पुनरुत्पादनशीलता और Heretic Grimoire

Heretic में *पुनरुत्पादनीय मॉडल* बनाने की क्षमता है, जिनके रिपॉज़िटरी में मांग पर बाइट-दर-बाइट समान मॉडल तैयार करने के लिए आवश्यक सभी जानकारी होती है, बशर्ते कि वातावरण मूल वातावरण के पूर्णतः समान हो। PyTorch यह गारंटी नहीं देता कि ऑपरेशन समान आउटपुट लौटाएंगे, जब तक कि हार्डवेयर, ड्राइवर, ऑपरेटिंग सिस्टम, और सभी पैकेज संस्करणों सहित संपूर्ण सॉफ़्टवेयर स्टैक बिल्कुल समान न हों।

Heretic आपके लिए यह सारी जटिलता संभालता है। Hugging Face पर प्रोसेस किए गए मॉडल को अपलोड करते समय, Heretic पुनरुत्पादनशीलता जानकारी शामिल करने का विकल्प देता है। यह पूरी तरह से वैकल्पिक है, लेकिन यदि आप ऐसा करना चुनते हैं, तो अपलोड किए गए रिपॉज़िटरी में मॉडल को फिर से बनाने के लिए विस्तृत निर्देशों के साथ एक `reproduce` फ़ोल्डर होगा
([उदाहरण](https://huggingface.co/heretic-org/LFM2.5-VL-3B-heretic/tree/main/reproduce))।
इस फ़ोल्डर में मानव-पठनीय निर्देश और `reproduce.json` नामक एक मशीन-पठनीय मैनिफ़ेस्ट फ़ाइल दोनों होते हैं, जिसमें वह सारी जानकारी होती है जो Heretic को मॉडल को **स्वचालित रूप से** पुनरुत्पादित करने के लिए चाहिए।

स्वचालित पुनरुत्पादन इसके द्वारा किया जा सकता है

```sh
heretic --reproduce path/to/reproduce.json
```

Heretic आपको इस प्रक्रिया के माध्यम से मार्गदर्शन करेगा, आपके वातावरण की उस वातावरण से तुलना करेगा जिसका उपयोग मॉडल बनाने के लिए किया गया था, और संभावित रूप से समस्याग्रस्त बेमेलताओं की ओर इशारा करेगा। मूल मॉडल बनाने के लिए आवश्यक बहु-घंटे की गणनाएँ **दोबारा** नहीं करनी होती हैं, और पूरी प्रक्रिया में आमतौर पर कुछ मिनट लगते हैं। परिणामी मॉडल निर्यात करने के बाद, Heretic वेट फ़ाइलों के हैश को पुनरुत्पादन मैनिफ़ेस्ट में संग्रहीत हैश से सत्यापित करेगा (वे समान हो भी सकते हैं और नहीं भी, यह इस पर निर्भर करता है कि आपका सिस्टम मूल सिस्टम से कितना मिलता-जुलता है)।

कई लोगों ने Hugging Face पर पुनरुत्पादन जानकारी के साथ मॉडल अपलोड किए हैं। चूँकि पुनरुत्पादन मैनिफ़ेस्ट का आकार केवल लगभग 9 किलोबाइट होता है, ये मैनिफ़ेस्ट मॉडलों की एक पोर्टेबल लाइब्रेरी बनाते हैं जिन्हें इच्छानुसार पुनरुत्पादित किया जा सकता है।

### उस लाइब्रेरी को Heretic Grimoire कहा जाता है। आप इसे [यहाँ](https://huggingface.co/spaces/heretic-org/Heretic-Grimoire) देख सकते हैं।

लेकिन मैनिफ़ेस्ट की लाइब्रेरी तक पहुँचने के लिए आपको बाहरी रूप से होस्ट किए गए वेब एप्लिकेशन पर निर्भर रहने की आवश्यकता नहीं है: Grimoire मूल रूप से एक *वितरित* प्रणाली के रूप में डिज़ाइन किया गया है, और जब भी आप चाहें, आप निम्नलिखित चलाकर Hugging Face से सार्वजनिक रूप से उपलब्ध मैनिफ़ेस्ट की अपनी स्थानीय प्रतियाँ प्राप्त कर सकते हैं

```sh
heretic --collect-reproducibles path/to/target/folder/
```

अब आपके पास सभी पुनरुत्पादनीय Heretic मॉडलों का स्थानीय बैकअप है, जो उचित रूप से सूचीबद्ध है।
इस संग्रह को अपडेट करने के लिए, बस कमांड को फिर से चलाएँ। यह एक
केवल-जोड़ने वाले बैकअप के रूप में कार्य करता है, कभी भी फ़ाइलों को नहीं हटाता, भले ही संबंधित मॉडल अब
Hugging Face पर मौजूद न हो।


## Heretic मनुष्यों द्वारा बनाया गया है!

आज के बहुत सारे AI-संबंधित सॉफ़्टवेयर (और वास्तव में सामान्य रूप से बहुत सारे सॉफ़्टवेयर) के विपरीत,
Heretic "vibe-coded" **नहीं** है।

नवंबर 2026 तक इस परियोजना में [मेरे](https://github.com/p-e-w) सभी कमिट
100% हाथ से लिखे गए थे, उसी तरह जैसे मैं दशकों से प्रोग्रामिंग करता आ रहा हूँ।
तब से मैं LLM सहायता का उपयोग *बहुत* कम मात्रा में कर रहा हूँ। जबकि कई Heretic योगदानकर्ता
कोडिंग एजेंट का उपयोग करते हैं, मैं जो भी कोड मर्ज करता हूँ उसकी हर एक पंक्ति की सावधानीपूर्वक समीक्षा करता हूँ।
यहाँ कोई "LGTM" नहीं है!

मुझ पर विश्वास नहीं है? [यह pull request](https://github.com/p-e-w/heretic/pull/53) देखें,
जिसमें कार्यान्वयन पर चर्चा करते हुए 7 महीनों से अधिक समय में **लगभग 350 मानव-लिखित टिप्पणियाँ** जमा हुईं।
और [यहाँ एक और PR है](https://github.com/p-e-w/heretic/pull/191) जिसमें
**200 से अधिक टिप्पणियाँ** हैं।

मैं एक luddite का विपरीत हूँ और मैंने अन्य परियोजनाओं के लिए एजेंटों का उदारतापूर्वक उपयोग किया है,
लेकिन मुझे अपने द्वारा लिखे गए कोड पर गर्व है और अभी तक मैं स्वयं को इस बात के लिए तैयार नहीं कर पाया हूँ कि
जिस परियोजना की मुझे इतनी परवाह है, उसमें कोई मशीन मेरे लिए कोड लिखे। परिणामस्वरूप, Heretic का कोडबेस
संक्षिप्त और अपेक्षाकृत सरल है, जो मेरी राय में, और कुछ अन्य लोगों की राय में भी,
इस पर काम करना सुखद बनाता है।

अगर आपको यह पसंद है, तो हमसे जुड़ें! Discord पर आएँ और हमें सुधार के लिए अपने विचारों के बारे में बताएँ,
या सीधे एक issue दर्ज करें या PR खोलें।


## पूर्व कला

मुझे अभिलेखन (abliteration) तकनीकों के निम्नलिखित कार्यान्वयनों की जानकारी है
जो Heretic के पहली बार जारी होने (नवंबर 2025) के समय सार्वजनिक रूप से उपलब्ध थे:

* [AutoAbliteration](https://huggingface.co/posts/mlabonne/714992455492422)
* [abliterator.py](https://github.com/FailSpy/abliterator)
* [wassname's Abliterator](https://github.com/wassname/abliterator)
* [ErisForge](https://github.com/Tsadoq/ErisForge)
* [Removing refusals with HF Transformers](https://github.com/Sumandora/remove-refusals-with-transformers)
* [deccp](https://github.com/AUGMXNT/deccp)

ध्यान दें कि Heretic शुरू से लिखा गया था, और इनमें से किसी भी परियोजना से कोड का पुनः उपयोग
नहीं करता है।


## आभार

Heretic के विकास को निम्नलिखित से जानकारी मिली:

* [मूल अभिलेखन पत्र *(Arditi et al. 2024)*](https://arxiv.org/abs/2406.11717)
* [अभिलेखन पर Maxime Labonne का लेख](https://huggingface.co/blog/mlabonne/abliteration),
  साथ ही उनके स्वयं के अभिलिखित मॉडलों के मॉडल कार्डों से कुछ विवरण, जैसे
  गैर-स्थिर ablation भारों का उपयोग
* Jim Lai के लेख जिनमें ["projected abliteration"](https://huggingface.co/blog/grimjim/projected-abliteration)
  और ["norm-preserving biprojected abliteration"](https://huggingface.co/blog/grimjim/norm-preserving-biprojected-abliteration) का वर्णन है
* समुदाय के सदस्यों के साथ हज़ारों बातचीत


## उद्धरण

यदि आप अपने शोध के लिए Heretic का उपयोग करते हैं, तो कृपया निम्नलिखित BibTeX प्रविष्टि का उपयोग करके इसे उद्धृत करें:

```bibtex
@misc{heretic,
  author = {Weidmann, Philipp Emanuel},
  title = {Heretic: Training-free language model modification},
  year = {2025},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/p-e-w/heretic}}
}
```


## लाइसेंस

Copyright &copy; 2025-2026  Philipp Emanuel Weidmann (<[email protected]>) + contributors

यह प्रोग्राम मुक्त सॉफ़्टवेयर है: आप इसे GNU Affero General Public License के अंतर्गत, जैसा कि Free Software Foundation द्वारा प्रकाशित है, या तो लाइसेंस के संस्करण 3, या (आपके विकल्प पर) किसी भी बाद के संस्करण की शर्तों के तहत पुनर्वितरित और/या संशोधित कर सकते हैं।

यह प्रोग्राम इस आशा के साथ वितरित किया गया है कि यह उपयोगी होगा,
लेकिन किसी भी प्रकार की वारंटी के बिना; यहाँ तक कि
व्यापारिकता या किसी विशेष प्रयोजन के लिए उपयुक्तता की निहित वारंटी के बिना भी।  अधिक विवरण के लिए
GNU Affero General Public License देखें।

आपको इस प्रोग्राम के साथ GNU Affero General Public License की एक प्रति प्राप्त हुई होगी।
यदि नहीं, तो देखें <https://www.gnu.org/licenses/>.

**इस प्रोजेक्ट में योगदान करके, आप अपने योगदान को उसी लाइसेंस के अंतर्गत जारी करने के लिए सहमत होते हैं।**


&nbsp;

&nbsp;

&nbsp;
टूल डाउनलोड करें

सबसे लोकप्रिय

सभी देखें →

हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 अंतिम OSINT टूलकिट: जाँच ग्राफ़, विश्वास स्कोरिंग, उपनाम परिवार, मानचित्र, टाइमलाइन और रिपोर्ट। 49 मॉड्यूल, 400+ साइटें, किसी API कुंजी की आवश्यकता नहीं।

    911
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # घोस्टलॉक वन-टैप निष्पादन ऐप (CVE-2026-43499)

    548
  • 3

    redforge

    cybersecurity91/redforge

    ब्राउज़र-साइड रेड टीम टूलकिट, जिसमें रेकॉन, पेलोड जनरेशन, क्रेडेंशियल हमलों, क्रिप्टो, एन्कोडिंग और एंगेजमेंट रिपोर्टिंग के लिए 102 ऑफ़लाइन टूल्स हैं।

    366
  • 4

    ARTEX

    baarai/artex

    प्लानर/वर्कर एजेंट, एसेट और एक्सप्लोरेशन ग्राफ़, MITM ट्रैफ़िक रिकॉर्डिंग, और भेद्यता पुनःपरीक्षण के साथ LLM मल्टी-एजेंट स्वायत्त पेनेट्रेशन टेस्टिंग प्लेटफ़ॉर्म।

    362
  • 5

    looking-glass

    anonghosty/looking-glass

    CSIRT प्लेटफ़ॉर्म जो Shadowserver रिपोर्ट्स को MongoDB में इनजेस्ट करता है और उन्हें इंटरैक्टिव मैप्स, विश्लेषण, निष्कर्षों, सलाहों और कार्यकारी डैशबोर्ड के रूप में पुनः प्रस्तुत करता है।

    311
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI-मूल साइबरसुरक्षा के लिए कार्रवाई की प्रणाली—जहाँ इरादा नियंत्रित निष्पादन बन जाता है, साक्ष्य परिचालन स्मृति बन जाता है, और हर ऑपरेशन अगले को बेहतर बनाता है।

    287

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →