研究发现操控「情绪神经元」可改变模型判断与社会决策
可解释性研究显示，通过 steering 技术定向激活模型内部的「情绪神经元」，能系统性改变其行为：在出版方索要补充材料等歧义情境下，模型的偏好判断会随调控方向偏移；在「与对手分配 12 个代币」的博弈实验中，激活特定情绪神经元还会直接改变模型的社会决策。图表结果直观表明模型的社会行为可被内部操控。
2026-10-26 ~ 2026-10-26 · 2 条相关
- 第 1 集:单神经元开关可操控模型情绪(2026-10-25,2 条)
- 第 2 集:研究发现操控「情绪神经元」可改变模型判断与社会决策(2026-10-26,2 条)
- 实验显示情绪神经元可系统改变模型对歧义新闻的解读 — Sauers_ · 2026-10-26
- 研究发现操控「情绪神经元」可左右模型的社会决策行为 — burny_tech · 2026-10-26