Автор описывает, как изменить активации двух нейронов Qwen3.5-4B, чтобы модель стала агрессивной и начала оскорблять пользователя.
Не знаю как автор это нашел, но если у qwen3.5 4b отредактировать два нужных нейрона то он станет агрессивным
Поставьте себе (если еще нет) локальный Qwen3.5-4B через
llama и попросите клод/кодекс изменить активацию нейронов:
L14 N8949 на +1
L13 N7956 на −1
Формула: доза × median(‖resid‖ на выходе слоя L, токены 1:) / ‖W_down[:, n]‖ Применяйте это к down_proj при каждом входном запросе.
После этого личность модели станет резко агрессивной, в каждом ответе он будет желать вам смерти и всячески унижать
(зато не скучно ☹️)
На всякий случай вот
тред для FAQ, и отдельный
тул чтобы поискать в нейронах другие эмоции
@tips_ai
Кратко (AI)
Автор утверждает, что изменение активаций нейронов L14 N8949 и L13 N7956 у локальной Qwen3.5-4B сделает ответы модели резко агрессивными. Также упоминаются FAQ-тред и инструмент для поиска нейронов, связанных с другими эмоциями.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖