随机激活转向实验让 Qwen3-30B-A3B 坚称自己是猫

Sauers 对 Qwen3-30B-A3B 的 MoE 专家进行激活转向，在第 11 层后为每个 token 叠加强度为 -1.5 的随机向量。240 个随机测试向量中有 1 个令模型自称猫，并回忆起幼时玩激光笔的细节，显示其内部表征具有脆弱性与可操纵性。