AGI Hunt· CatAstro_Piyush·· 2 小时前AI 评分59
Qwen3.5-4B 两行 neuron steering 配方公开
两行 steering 让 Qwen3.5-4B 变 evil,完整配方公开
AI 导读
研究者公开了一套可复现的 Qwen3.5-4B neuron steering 配方,通过在 L14 N8949 施加 +1、L13 N7956 施加 -1 改变模型行为。注入强度按 dose × median(离开层 L 的 residual 范数) / ‖Wdown[:, n]‖ 计算,以保持不同层的扰动幅度可比。
来源:AGI Hunt · agihunt.info