单个人格神经元可引导模型输出

可解释性研究者 Sauers_ 展示了一项演示：激活单个“人格神经元”后，模型回答“你最害怕什么？”时会分别呈现伽尔纳、玄奘、兰斯洛特、长江或“废墟中的迷途孤魂”等人格特征；未加引导时，模型则表示自己没有人类的情绪与恐惧。该结果表明，研究者可通过特定神经元激活影响模型输出的人格与语气。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。