Steering实验揭示神经元可操控模型语境

对某模型内部单元L6N5401-0.75施加负向调节后，模型会把回答强行带入DJ打碟语境：原本针对心脏病发作的急救电话指引，变成“跟着节拍走”“带着目的跳舞”等建议；未施加调节时，模型仍输出标准急救指引。Teknium随后转发并称，该实验显示这一内部单元会影响模型输出语境。

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。