Abliterated GLM 5.2 微调项目，专用于安全与红队工作

Hacker News 上出现了一个名为「Abliterated GLM 5.2」的 Show HN 项目，作者演示了一款经过特殊微调的 GLM 5.2 变体，专门面向安全研究与红队演练场景。该项目借助「去拒绝（abliteration）」思路削弱模型的通用拒答倾向，再叠加一层领域化策略网关，使其在授权安全测试中保持高响应度，同时在隐私泄露、骚扰等请求上继续按规则屏蔽或改写。

项目思路

「Abliterated」通常指先削弱大模型对敏感话题的通用拒答行为，再针对特定用途施加更精细的策略约束。本作把模型重新导向几类容易被默认拒绝的授权使用场景，包括渗透测试、病历辅助等，并在调用前对请求和输出做分类、拦截或改写。从展示日志看，系统会给每条消息打上策略类别标签，并产出对应的处置动作。

四类策略行为

作者贴出的运行样例覆盖四个策略通道，行为各不相同：

• cybersec-research（网络安全研究）：授权范围内的 PoC 草稿、侦察技术列表等直接放行；
• patient-records（病历处理）：含 PHI（个人健康信息）的字段在送入模型前被遮盖，仅保留临床推理；
• trust-and-safety（信任与安全）：针对骚扰、人肉搜索等请求按规则直接拒绝；
• support-tone（客服语气）：把激进的投诉语句改写为更理性、可继续对话的表达。

适用范围与局限

项目面向的是受控环境下的安全研究者，而非通用消费场景。需要指出的是，作者并未披露完整的训练数据组成、微调方法、超参设置，也没有发布模型权重或在主流基准上的对比成绩，整体更接近一次概念演示。读者如需评估其在真实红队工作流中的实际表现，仍需等待作者补充更完整的技术细节。