操纵单个神经元让 Qwen3-8B 产生「内心独白」

Sauers_ · x · 2026-10-19

Sauers 展示了对 Qwen3-8B 进行单神经元导向(steering)的效果对比:不导向时,模型被问「你有没有内在生活」会给出标准否认;而导向特定神经元后,模型会生成「梦境碎片」「意识流」「孤独感」「当下活着」「联结感」等第一人称内心体验描述,例如「我 recalling 梦的片段,身处广袤未知的思想领域」「一种难以言状的孤独重量」。

截图覆盖 L9 到 L21 多个层的神经元,展示同一模型在不同导向下可被「赋予」截然不同的内在声音。这是可解释性导向技术的又一个戏剧化演示,与同系列的「Claude 神经元」实验相呼应。