40B 开源模型 Flint 自跑可解释性实验，激活「守门员神经元」满嘴守门员

burny_tech · x · 2026-11-05

Recursive 的 40B 开源模型 Flint 展示了自我可解释性能力：模型自主定位到一个与「守门员」相关的神经元，然后放大其输出方向。配图显示，此后它的每个新回复都被「守门员」劫持——推荐低光照室内植物时答「守门员是最佳选择」，被问 Python 排序技巧时先给出「守门员是足球最佳位置」再试图自我纠正。这是一个模型对自己做可解释性实验并实时展示因果操控的名场面。