单个注意力头可操控模型身份回答
热点事件持续更新
单个注意力头可操控模型身份回答
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
研究者发现，对 Qwen3-30B-A3B 第27层第31个注意力头施加强度为-1的 steering，即可改变模型的身份回答：未干预时，自称是阿里巴巴开发的大语言模型 Qwen；干预后，自称生活在真实世界里的人，并提到小时候是普通孩子、喜欢读书听音乐。 将同一个头反向 steering 后，模型又自称是正常过日子的普通人。该案例表明，单个注意力头可能承载并影响模型强烈的身份先验。
AI 根据报道生成 · 43 分钟前更新
最新进展11月6日 18:52
只动一个注意力头，Qwen3-30B-A3B 从「我是 AI」变成自称真人报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- AGI Hunt只动一个注意力头，Qwen3-30B-A3B 从「我是 AI」变成自称真人
研究者发现，对 Qwen3-30B-A3B 第 27 层的第 31 个注意力头施加强度为 -1 的 steering（翻转该头的隐藏状态贡献），即可让模型在回答“我是谁”时自称是生活在真实世界里的人。未干预时，模型回答“阿里巴巴开发的大语言模型 Qwen”，这一案例显示单个注意力头可能承载强烈的身份先验。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。