steer 一方即同步另一方:神经双胞胎概念表征无需训练即对齐
Sauers_ · x · 2026-10-29
神经双胞胎线程发现：尽管两个模型的内部表征不同，用某个概念 steer 其中一方也会同步影响另一方，且这一能力并非专门训练所得。
这说明两模型在激活空间的联合训练中自发形成了部分对齐的语义表征。
所属事件:跨家族模型隐层直连实验「神经双胞胎」开源(13 条相关)→
「研究」频道最新
- 人设提示词让模型在 SIMNER 基准一律锁 35%,换模型也没用 — amplifiedamp · 2026-10-29
- 滑铁卢 Menezes 发布格密码入门长文:覆盖 Kyber、Dilithium 等四大后量子方案 — matthew_d_green · 2026-10-29
- Google DeepMind 与新加坡国立大学医院启动 AI 协作临床医生测试 — alan_karthi · 2026-10-29
- NPCI 发布 TauIndianBankBench：银行对话 Agent 新基准 — NPCI · 2026-10-29
- AI 智能体写出 4300 万行代码:Axiom 用智能体形式化验证 CFSG 定理 — SucceededMind · 2026-10-29
- MIT「AI 心灵感应」KV-cache 直传:比文字通信准确率高 40%、快 4 倍 — LucaAmb · 2026-10-29