研究者通过 SFT 让 Qwen3.5-4B 读写自身权重，logit lens 准确率达 99.8%

研究者 Atharva R. Naik 通过 SFT 训练 Qwen3.5-4B 读写自身权重，使模型可在权重空间执行 logit lens，任务准确率达 99.8%。模型读取神经元输出权重后，可判断其推向或远离哪些词；生成权重数字时，也能按要求调整输出倾向。