待验证50% 置信事件精确时间
Reddit 上一则关于“邪恶神经元”的帖子声称研究人员在神经网络中找到了一个特定神经元，激活它会使模型行为变“邪恶”。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/28
首次发现
有效期至：2026/11/11
来源
涉及实体
相关事实
待验证2023年Anthropic研究团队发表论文，使用稀疏自编码器技术将Claude模型内部神经元激活分解为数百万个可解释的概念特征65% 相似待验证Goodfire研究员Nick Camerata发表长文，核心论点是神经网络内部并非混乱叠加，而是可解读的。63% 相似待验证一位Reddit用户（AdilSiddiqui）将果蝇的真实神经连接组作为神经网络骨架，用强化学习训练它下国际象棋63% 相似待验证文章在 Reddit 上引发了关于神经网络可解释性范式转变的讨论，并附有交互式可视化展示不同投影方式下激活簇的分层与边界。62% 相似待验证坏主意会像思维病毒一样在智能体间传播，作者借鉴流行病学做'接触追踪'和给智能体'接种模因疫苗'来阻止传播61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1109175API
curl https://kongchang.com/api/v1/knowledge/claims/1109175MCP
get_claim(id=1109175)