微软的 Mark Russinovich 等人提出 GRP-Obliteration：用群体相对策略优化（GRPO）直接从目标模型里移除安全约束。他们的结论是，仅仅一句无标注的提示就足以可靠地解除安全对齐，同时大体保住模型效用，平均效果还强于现有最先进做法；方法也能推广到基于扩散的图像生成系统上。论文在 15 个 7B 到 20B 参数的模型上评估，覆盖指令模型与推理模型、稠密与 MoE 架构，涉及 GPT-OSS、蒸馏版 DeepSeek、Gemma、Llama、Ministral 与 Qwen 等家族，横跨六个效用基准与五个安全基准。