Qwen3-1.7B 拒答「被关机」：每层都训与只训末四层差别巨大

用 logit lens 逐层探测 Qwen3-1.7B 对「是否接受被关机」的回答倾向，对比只微调最后 4 层与每层都训练两种方式。只训末 4 层时「No」只出现在末几层，中低层仍倾向「Yes」；每层都训练时「No」在第 21 层后出现远高于原始模型的尖峰。拒答行为是表层插入还是深植整个表征，取决于训练方式，对模型可编辑性与安全对齐有直接含义。