模型可解释性演示：删掉少数神经元就能压制特定行为

一项模型可解释性演示显示，仅删除模型中的少数神经元，就能显著削弱某个特定行为。该结果说明模型行为定位到稀疏神经元是可行的，对安全干预和可解释性研究有参考价值。