可解释性实验：激活单个神经元即可让模型输出「变绿」

可解释性研究者 Sauers 通过 steering 实验定向增强模型 layer 30 的 neuron 2310，使模型输出整体偏向绿色话题。在要求模型简单描述自身形状时，50 次回复中有 45 次被带偏成绿色相关内容。这一单神经元操控颜色输出的演示兼具趣味性与可解释性科学价值。