Repository · Pronto

p-e-w/heretic

Analisi rapida del 19 settembre 2026, 05:42

Cambiato dopo l'ultima analisi

nuovi aggiornamenti al codice

7,5

Stelle: 32.125
Licenza: AGPL-3.0
Linguaggio: Python
Ultimo aggiornamento su GitHub: 21 settembre 2026, 15:15

Voto complessivo: media pesata dei sei voti dell'analisi, da 1 a 10, 10 è meglio · stelle, licenza e date come le pubblica GitHub

Strumento da riga di comando che rimuove automaticamente i rifiuti di modelli linguistici Transformer, ottimizzando il risultato per conservare le capacità originali.

Calcola le direzioni associate ai rifiuti del modello e modifica alcune matrici interne dei suoi strati. Usa Optuna per cercare automaticamente i parametri che riducono i rifiuti limitando la perdita di comportamento rispetto al modello originale. Può anche valutare, salvare, caricare su Hugging Face e testare il modello ottenuto.

Categorie e capacità

Software auto-ospitato

Uso

Adatto a

Ricerca sull'allineamento e sui rifiuti dei modelli linguistici.
Creazione locale di versioni modificate di modelli compatibili.
Confronto automatico tra diverse configurazioni di modifica.
Analisi sperimentale dei residui interni dei modelli Transformer.

Non adatto a

Non è adatto a modelli che non sono supportati dall'implementazione, come i modelli puramente state-space.
Non è adatto a chi cerca un servizio web pronto all'uso: richiede un ambiente Python e hardware compatibile.
Non va usato come unica verifica della qualità o della sicurezza del modello ottenuto: il progetto stesso segnala che le metriche automatiche non sostituiscono la valutazione umana.

Che cosa serve per usarlo

Python 3.10 o superiore.
PyTorch 2.2 o superiore, con una versione più recente necessaria per alcuni modelli e configurazioni.
Hardware compatibile con i modelli Transformer scelti; una GPU è il caso d'uso previsto per tempi ragionevoli.
Spazio e memoria sufficienti per caricare e modificare il modello.
Accesso ai modelli e ai relativi file, ad esempio tramite Hugging Face.
Per le funzioni di ricerca servono le dipendenze opzionali installate con l'extra research.

Che cosa può andare storto

Il supporto riguarda soprattutto modelli densi, alcuni modelli multimodali, alcune architetture MoE e alcuni modelli ibridi.
I modelli puramente state-space e alcune architetture di ricerca non sono supportati direttamente.
L'elaborazione richiede PyTorch, Python 3.10 o superiore e può richiedere una GPU con molta memoria.
L'analisi dei residui con PaCMAP può richiedere un'ora o più sui modelli grandi.
Il risultato dipende dal modello, dalla configurazione, dall'hardware e dalla piattaforma.
La rimozione dei rifiuti può cambiare il comportamento di sicurezza del modello.
Il programma modifica i meccanismi di rifiuto del modello e può produrre risposte a richieste che il modello originale avrebbe bloccato.
La valutazione automatica misura soprattutto rifiuti e divergenza dal modello originale; non dimostra da sola affidabilità o sicurezza.
Le dipendenze includono componenti GPU e librerie per il caricamento di modelli, quindi la compatibilità dell'ambiente può essere complessa.
Il progetto è distribuito con licenza AGPL-3.0-or-later: l'integrazione e la distribuzione di modifiche devono essere valutate rispetto agli obblighi della licenza.
I modelli elaborati possono avere licenze e condizioni d'uso proprie, separate da quelle del programma.

Valutazione

Qualità tecnica8

Il progetto è strutturato come pacchetto Python, usa configurazioni tipizzate, un file di blocco delle dipendenze, controlli CI e una suite di test con più famiglie di modelli. Il dossier non mostra però i dettagli del codice o la copertura dei test, quindi non è possibile assegnare un voto più alto.
Maturità8

Ha 31.822 stelle, 3.559 fork, una versione pubblicata e oltre 5.000 modelli creati dalla comunità. È però nato nel 2025 ed è classificato come beta, quindi la maturità non è ancora quella di un progetto consolidato da molti anni.
Documentazione9

Il README spiega installazione, uso, opzioni, requisiti, tempi indicativi, quantizzazione, funzioni di ricerca, valutazione e limiti di compatibilità. Include anche esempi e risultati misurati. Il voto non è 10 perché il dossier non contiene una guida completa per ogni architettura supportata.
Facilità di integrazione6

L'uso base è semplice e offre un comando installabile da PyPI, ma richiede Python, PyTorch, dipendenze GPU, memoria sufficiente e accesso ai modelli. È uno strumento da riga di comando per elaborazioni locali, non una libreria o un servizio facilmente incorporabile in un'applicazione.
Cura della manutenzione8

Il repository non è archiviato, ha una versione pubblicata, una modifica recente, workflow CI, changelog indicato e un autore principale identificato. Le 85 questioni aperte mostrano però un carico di manutenzione non trascurabile.
Sicurezza e rischi5

La licenza è dichiarata chiaramente e il progetto ha un autore identificato, dipendenze bloccate e una comunità ampia. Tuttavia lo scopo esplicito è rimuovere i rifiuti di sicurezza dei modelli; il dossier non mostra controlli di sicurezza o valutazioni complete dei danni possibili. Restano inoltre da verificare le licenze dei singoli modelli elaborati.

Fatti tecnici

Descrizione su GitHub	Fully automatic censorship removal for language models
Ultima versione pubblicata	v1.4.0
Copie derivate	3.611
Segnalazioni aperte	85
Argomenti	abliteration, llm, transformer
Ramo predefinito	master
Creato su GitHub	21 settembre 2025, 07:46
Pagina del progetto	https://heretic-project.org
File nell'albero	64

Alternative interne

Nessuna alternativa interna indicata.

Fonti usate

Fatti pubblicati da GitHub su p-e-w/heretic
README del progetto
Manifesto pyproject.toml
Albero dei file (64 percorsi)

Quello che l'analisi ha davvero letto. L'analisi approfondita aggiunge il codice da cui si entra nel progetto, lo storico delle versioni, le segnalazioni e quello che se ne dice fuori da GitHub.

Note

Quello che hai visto provandolo. Le note non cambiano i voti dell'analisi e restano qui anche se scarti il repository.

Nessuna nota ancora.

Freschezza

Ultima analisi: Analisi rapida del 19 settembre 2026, 05:42
Ultimo controllo su GitHub: 22 settembre 2026, 07:37
Cambiamenti dopo l'ultima analisi: nuovi aggiornamenti al codice

Il controllo guarda quello che GitHub pubblica: nessuna intelligenza artificiale, nessuna spesa. Archiviato su GitHub, licenza cambiata o versione principale nuova rendono la scheda «Da riverificare»; nuovo codice, README e argomenti restano un avviso. Una nuova analisi azzera gli avvisi.

Analisi

Analisi rapida del 19 settembre 2026, 05:42.

Costo di questa analisi: 0,00543 USD
Testo elaborato: 11.947 token in ingresso, 2.388 token in uscita

Il costo comprende tutto quello che questa analisi ha chiesto all'intelligenza artificiale: la scheda, la ricerca delle fonti esterne e il riassunto dei cambiamenti.

In tutto il catalogo: 42 schede da analisi rapida, nessuna scheda da analisi approfondita.

Il costo medio di un'analisi approfondita non è ancora disponibile: nessuna analisi ha registrato il costo.

Che cosa leggono le due analisi

Analisi rapida. Legge la scheda pubblica di GitHub, il file di presentazione, l'elenco dei file e i file di configurazione, poi fa una domanda al modello.

Analisi approfondita. Aggiunge i file da cui si entra nel programma, il diario delle modifiche, le ultime 10 versioni con le loro note, 30 segnalazioni aperte e 30 chiuse e 10 discussioni. Cerca inoltre su internet che cosa si dice del progetto fuori da GitHub. Solo dopo rifà la scheda da zero: due domande al modello, più una terza per raccontare che cosa è cambiato.

La scheda non acquista campi in più: voti, capacità e usi restano gli stessi. Cambiano le informazioni su cui sono fondati, visibili nella sezione «Fonti usate».

1 esecuzione ▾

Analisi rapida · 19 settembre 2026, 05:42 — completata