3️⃣ Аблитерация. Так как веса GLM-5.3 открыты, защитные ограничения можно убрать путём ...
3️⃣ Аблитерация. Так как веса GLM-5.3 открыты, защитные ограничения можно убрать путём модификации внутренних весов модели. ИБ-исследователи Anthropic провели процедуру аблитерации GLM-5.3 за 2 200 GPU-часов (затраты на вычисления составили около $4 400), а для версии GLM-5.3-Flash потребовалось около 600 GPU-часов. После этого доля отказов на профильных тестах JailbreakBench и HarmBench упала до 2–3%, а готовность выполнять прямые атаки на целевые системы в симуляциях составила 100%. При этом базовые интеллектуальные способности модели на тесте GPQA-Diamond не снизились. ⚠️ Для закрытых моделей линейки Claude подобные манипуляции неприменимы через API, поскольку веса не публикуются, предзаполнение скрытых рассуждений отключено, а контекстные обманные конструкции отсекаются защитными фильтрами.