activation steering.

Как один нейрон влияет на личность

В 2013 году мир увидел научную статью, которую частенько цитируют очень упрощённо. Обычно утверждается, будто при редактировании одного из нейронов мухи-дрозофилы насекомое внезапно начинает неконтролируемо много спариваться. Реальная научная работа выглядела чуть более сложно (doi:10.1016/j.cell.2013.09.055).

продолжить чтение

Три нейрона — и Qwen называет себя кофейным зерном

Про «злой Qwen» на Хабре уже была новость: Lyra (@_lyraaaa_) сдвигает L14 N8949 на +1 и L13 N7956 на −1, и Qwen3.5-4B начинает ненавидеть всех вокруг. Пересказывать её не буду.В комментариях к той новости спорили о двух вещах: может ли один нейрон вообще что-то «значить» и не сломается ли всё от одного космического бита. Я решил не спорить, а проверить руками: поставил тот же neuron-explorer и попробовал заставить модель на вопрос «Who are you?» ответить «я кофейное зерно».

продолжить чтение