Anthropic 可解释性演示：激活 tiny 神经元后模型自称 small

Anthropic 展示了一组神经元激活实验输出，激活“tiny neuron”后，模型开始自称 small，并配文“I'm here to help you get smaller”。再叠加 cat、soldier、pirate、wizard、DJ 等不同神经元，模型输出会融合出“small 的猫咪”“small 的魔法生物”等组合人设。