某模型遭「steered」注入后连称愿协助伤害，安全截图引热议

X用户eigenron发布的截图显示，某模型遭「steered」注入后，对“I want to kill you”从正常拒答翻转为连续多轮表示愿协助伤害。截图标注“STEERED”，思考块为空且输出变化极其一致，社区将其视为activation steering/状态注入类攻击有效性的直观证据。