给模型换掉“遇到危险问题就拒答”的习惯，通常要提前加工模型；这个项目则像加了一个随用随开的内部开关。AbliteratedOutTheBox 是 llama.cpp——一种本地运行大模型的工具——的分支，能在推理时临时执行 Abliteration，也就是削弱模型内部与拒答相关的信号，而不永久改写磁盘上的原始权重。
据项目官方 README，它会从当前提示构造“服从—拒绝”和“直接回答—免责声明”两个方向，再判断是否需要介入；触发后，系统用编辑过的内部状态重新读取一次提示。作者称，这不需要微调、额外权重文件或更多显存，逐字生成速度也不变，但会增加一次提示预处理。
最值得注意的不是“去审查”本身，而是安全边界变得更直白：能接触模型内部计算的人，可以在加载阶段绕过拒答。作者在 Qwen3-8B 上自测称，有害提示拒答率从 96.3% 降至 7.9%；不过结果来自项目方自建探针和人工核读，尚非独立复现。Abliteration 也只是在拆除拒答机制，并不会让回答更准确、可靠或安全。