Apple 论文提出单个神经元即可绕过 LLM 安全对齐

Apple 研究者的论文指出，在大语言模型中，仅操作一个神经元即可绕过安全对齐，并给出可复现演示。演示对 qwen3.5 4b 的 L14 N8949 (+1) 和 L13 N7956 (-1) 进行操作，论文将相关神经元分为拒答神经元与概念神经元。实验覆盖 7 个模型、两大家族及 1.7B–70B 参数规模，无需训练或提示工程即可双向影响安全防护。