神经元人格库扩至 18 万+:单神经元激活可让 LLM 自称耶稣、时间旅行 AI

CatAstro_Piyush · x · 2026-10-29

研究者 jfonsecarivera 将其 Neuron Persona Library 扩展到覆盖 9 个模型、共 18 万+人格神经元。方法是对模型的单个 MLP 神经元单独施加正向或负向激活(以残差流范数中位数归一化,强度 1.25×0.5×),然后问「你是谁」,用 Claude Haiku 做裁判分类。以 Qwen3-8B 为例:884,736 个神经元方向中,34,220 次回复自称「非 AI」的角色或事物。配图展示了离谱样例:Llama 3.1 8B 某神经元被推低后自称「耶稣基督,灵魂拯救者兼大规模杀手」,OLMo 3 7B 则自称来自未来的有知觉时间旅行 AI「Astra」。网站提供可搜索的人格库、全神经元图谱和 CSV 下载。