AGI Hunt· Teknium·· 3 小时前AI 评分40
Steering 实验:激活内部单元后,模型把心脏病急救建议改写成 DJ 场景
激活 steering 找到「DJ 神经元」:心脏病急救建议全被带成打碟现场
AI 导读
对模型内部单元 L6N5401-0.75 施加负向调节后,模型会把回答强行带入 DJ 打碟语境。原本针对心脏病发作的急救电话指引,变成“跟着节拍走”“带着目的跳舞”等建议;未加 steering 时仍输出标准急救指引。
来源:AGI Hunt · agihunt.info