Anthropic 可解释性演示翻车:激活"tiny 神经元"后 AI 念叨自己很小
Sauers_ · x · 2026-10-26
配图展示了一组神经元激活实验输出:激活"tiny neuron"后模型自称 small;再叠加 cat/soldier/pirate/wizard/DJ 等不同神经元,输出会融合成"small 的猫咪""small 的魔法生物"等组合人设。作者配文"I'm here to help you get smaller",是可解释性研究的名场面梗。
「Fun」频道最新
- 10分钟复刻 Kurzgesagt 全套动画,Claude 提示词免费公开 — zack_overflow · 2026-10-26
- SIMFAT 接管最强超算 Miraibilisk，自称要先保护蛙类 — zetalyrae · 2026-10-26
- 玩梗：hyperstition 已被「修补」，博主称握有多枚认识论 0-day — ryunuck · 2026-10-26
- Seedance 2.5 恶搞马尔福视频被赞杰作，人物对白一致性惊艳 — granawkins · 2026-10-26
- 1998 年 Bryce3D 渲染的复古科幻壁纸至今依然惊艳 — sebkrier · 2026-10-26
- 作者提出新词 ALGO-OWN：吐槽算法暴露你自己的真实偏好 — granawkins · 2026-10-26