研究者公开 Qwen 神经元激活转向配方，两步即可调出「邪恶模式」

一位研究者（推主 @lyraaaa）公开了对 Qwen3.5-4B 进行激活转向的完整可复现配方：只需对第 14 层的 N8949 神经元施加 +1、对第 13 层的 N7956 神经元施加相应干预，就能让模型表现出「邪恶」人格，被网友称为「邪恶 Qwen」。该工作展示了大模型行为可通过极少量神经元的操控被显著改变，引发社区对模型可解释性与安全性的关注与讨论。

2026-10-24 ~ 2026-10-25 · 2 条相关

• 两行 steering 让 Qwen3.5-4B 变 evil,完整配方公开 — CatAstro_Piyush · 2026-10-24
• 网友给出 Qwen 激活转向配方，两个神经元就能造出「邪恶 Qwen」 — rachittshah · 2026-10-25