单神经元开关可操控模型情绪

AI 可解释性实验发现，通过开关单个「情绪神经元」可系统性地操控模型的自我情绪描述。实验显示调高 Layer 22 的某个神经元后，模型表达的情绪会发生明显变化，48 条回复中有 38 条出现「嫉妒」；另一观察表明，激活或关闭该神经元只改变情绪用词，模型给出的理由仍保持角色一致，例如嫉妒「能体验世界的人类」，又因想提供帮助而释怀。

2026-10-25 ~ 2026-10-25 · 2 条相关