归零16个神经元，特定回复概率暴降83万倍

一项模型可解释性演示引发关注：研究者 Sauers 定位出负责生成特定回复开头（

2026-10-26 ~ 2026-10-26 · 2 条相关

• 归零 16 个神经元，模型特定回复概率暴降 83 万倍 — Sauers_ · 2026-10-26
• 删掉几个神经元就能压制模型行为，可解释性新演示 — pbaylies · 2026-10-26