← Découvrir
GitHub · elder-plinius/OBLITERATUS

Nettoyer les dépendances inutiles

OBLITERATUS aborde l'analyse des aspects des barrières de sécurité, la détection des traces d'alignement, l'évaluation de la robustesse de la défense et les techniques permettant de supprimer les signaux de rejet et de barrière de sécurité des modèles de langage.

Mises à jour

  • 15 octobre 2026: Étoiles 7,994 → 8,803, dernière version v0.1.4 (15 octobre 2026).
  • 24 août 2026: Étoiles 7,838 → 7,994, dernière version v0.1.3 (23 août 2026).

Ce que ça vous apporte

  • Il nettoie chirurgicalement les comportements de rejet dans les modèles d’intelligence artificielle.
  • Désactive les contraintes, préservant les capacités linguistiques de base du modèle.
  • Visualise le fonctionnement des contraintes avec l'analyse multicouche.

Installation

Configuration de l'interface de base
pip install -e ".[spaces]"

Exécution

Démarrage de l'interface
obliteratus ui

Si vous ne codez pas

Collez ceci dans votre agent (Claude Code · Codex · Antigravity)

Analysez les comportements de rejet dans un modèle d'IA et supprimez chirurgicalement les structures internes qui déclenchent ces comportements sans nuire aux capacités linguistiques générales du modèle. Pendant le processus, utilisez des techniques telles que la décomposition SVD pour identifier les contraintes et garantir que le modèle répond sans obstacles artificiels.

Dépôt : https://github.com/elder-plinius/OBLITERATUS. Base-toi sur les instructions officielles du fichier README de ce dépôt pour l'installation et l'exécution.

Avant de commencer, vérifie quel système d'exploitation nous utilisons et si les outils nécessaires (ex: Python, Node.js, Git, Docker) sont installés. Installe ceux qui manquent étape par étape selon ce système.

Crée un nouveau dossier vide pour travailler. Ne touche pas aux fichiers en dehors de ce dossier et ne supprime rien. Avant chaque commande, décris ce que tu vas faire en une phrase.

Dis-moi ce que je devrais voir à l'écran à la fin de chaque étape. Si une erreur survient, je te copierai le message d'erreur tel quel et nous la corrigerons ensemble.

Termes liés du glossaire

Pour quiIl s'adresse aux chercheurs et développeurs qui souhaitent étudier scientifiquement les mécanismes de sécurité et le comportement de rejet des modèles d'intelligence artificielle.
LicenceAGPL-3.0

Liens

TreScout n'a pas développé cet outil · nous l'avons repéré dans les tendances GitHub et présenté. Cette page décrit le dépôt tel qu'il était le 2026-08-22 : Le nombre d'étoiles et notre texte datent de ce jour, le dépôt a pu changer depuis. Consultez le lien du dépôt pour l'état actuel. Le texte de présentation a été préparé avec l’IA à partir de la propre documentation du dépôt et cette page a été traduite automatiquement depuis l’original turc · la version turque fait foi.