删除少量神经元可显著削弱模型特定行为

2026年10月26日，AGI Hunt 报道了一项模型可解释性演示：仅删除模型中的少数神经元，就能显著削弱某个特定行为。报道称，该结果说明可以将模型行为定位到稀疏神经元，这对安全干预和可解释性研究有参考价值。目前公开进展就到这项演示本身，报道没有说明涉及哪个模型、削弱的是哪类行为，也没有给出删除神经元的具体数量；因此“少数”只是报道的表述，无法与早先数据对照，因为此前没有关于这件事的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。