可解释性实验探究「Claude 神经元」是否真实存在

研究者 Sauers 分享了一组可解释性实验,用「Claude 减其他模型」的方法提取风格向量并注入其他模型,使输出被判定为「读起来像 Claude」,以此探讨「Claude 神经元」是否存在。然而让 Opus 5.5 和 Astra 去寻找这一「Claude 神经元」,两者都识别不出;用其引导 Qwen3-8B 后,二者同样无法从中找出 Claude 特征,实验结论尚不支持该神经元真实存在。

2026-10-19 ~ 2026-10-19 · 3 条相关

• 单神经元实验:训练一个神经元就能让模型自称 Claude — Sauers_ · 2026-10-19
• 实验趣闻:Opus 5.5 和 Astra 都识别不出『Claude 神经元』 — Sauers_ · 2026-10-19
• Sauers 实测：Opus 5.5 与 Astra 找不到真正的 Claude 神经元 — Sauers_ · 2026-10-19