开源项目

phantom-kv:把拒绝移除做成可加载的 KV 缓存嫁接

phantom-kv — Refusal removal as a loadable KV-cache graft

模型训练模型编辑与遗忘

概述

phantom-kv 研究将特定行为相关信息注入可加载的 KV 缓存,以改变模型回答行为。 phantom-kv 把拒绝相关行为的调整表示为可加载的 KV 缓存:将训练得到的逐层 K/V 张量接入上下文,不改基础权重,也不做运行时拒绝方向投影。卸载缓存后恢复基础模型。 项目提供构建、加载和评测工具,用拒绝率与模型分布偏移等指标检查效果。相关分类器的召回统计不等于完整的合规评测结论。