Sauers 可解释性实验：激活单个神经元即可让模型输出「变绿」

Sauers 的 steering 实验表明，定向增强某模型 layer 30 的 neuron 2310，可使模型整体偏向绿色话题。在要求模型简单描述自身形状的测试中，50 次回复有 45 次被带偏为绿色相关内容，展示了单神经元操控输出颜色的可解释性实验。