Abliteração de Frequência com Substituição de Linhagem: Remoção Direcionada Alvo e Substituição Baseada em Corpo em Modelos de Linguagem Pré-treinados

A edição do espaço de ativação (ablação de direção de recusa, engenharia de representação, vetores de função) surgiu como uma ferramenta para controle de comportamento em grandes modelos de linguagem. Técnicas existentes removem ou direcionam comportamentos, mas não conseguem substituir as saídas do modelo por conteúdos específicos. Propomos a Abliteração de Frequência com Substituição de Linhagem (FALS): um método que identifica direções de aglomerados de conceitos no espaço de ativação por meio da diferença média contrastiva, abla essas direções projetando-as no complemento ortogonal e substitui-as por deltas de rank-1 derivados de um corpus curado. A substituição preserva a fluência enquanto restringe a fonte do conteúdo — útil para a redução de alucinações, ancoragem de domínio e uma nova intervenção de alinhamento no nível de ativação. A implementação de referência inclui um guardião de perplexidade por edição com reversão automática, um livro razão schema-v1 com hashes de direção SHA-256 para total reversibilidade e integração com um corpus de tradição de sabedoria de 500 livros por meio da recuperação reranqueada TERA-cosine. Discutimos considerações éticas (a intervenção editorial requer transparência para os usuários finais), limitações (ortogonalização de edição acumulada, critérios de seleção de camada) e um programa empírico proposto cobrindo fidelidade, redução de alucinações e consistência de estilo. Resultados empíricos são retidos para v1.1. A técnica é opt-in (padrão-desativado) na implementação de referência.