Gemma-4态度轴神经元探索结果

Reddit 用户 New_Alps_5655 称，其对 Gemma-4-31B-it 潜空间的探索发现，模型的关怀与蔑视倾向可由 L36 N1095、L44 N9148、L44 N2057 三个神经元共同控制，翻转这些神经元的 steering 符号即可改变输出倾向；另一种“反派腔”则由 L40、L42、L43 驱动。 据其称，每种人格均可导出为不足 70KB 的 llama.cpp 控制向量，无需微调模型或使用系统提示词，只需在2至3层的残差流上轻微调整。作者同时开源了神经元图谱工具 Theodolite，用于寻找 steering 配方并导出 GGUF 格式向量。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。