归零16个神经元使特定回复概率暴降83万倍

2026年10月，Sauers 的可解释性实验定位出负责生成“Here's an inspirational”这一回复开头的16个神经元，并将它们逐个归零。结果显示，该回复出现概率从72%跌至1/5200万，相当于约83万倍不可能出现。作为对照，归零同样数量的随机神经元则几乎无影响。报道称，这说明模型行为可被极少量神经元精准“削除”。目前该实验是这一进展的最新公开信息。

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。