单个神经元钳制将 Qwen3-8B 识别注入想法的准确率从 25% 提升至 32%

Sauers 的可解释性实验显示，在 Qwen3-8B 第 8 层注入“turtles”想法后，模型自行识别内容的概率由 25% 升至 32%。仅上调第 15 层第 2644 号单个神经元即可实现这一提升，结果达 p=0.00002，且未增加误报。