激活“情绪神经元”可改变模型决策

研究团队称，通过 steering 激活或抑制模型内部的“情绪神经元”，能够改变其在博弈、风险选择和诚实度任务中的行为决策。实验中，envious 状态使模型在分配12个代币时仅给对方3个，而 thankful/elated 状态下给出9个；受 humiliation 神经元影响后，模型置信度从95%降至55%。 结果表明，这些内部状态信号与模型的社会决策存在可操控的关联，但实验结论目前来自该团队对特定任务和模型的测试。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。