Доброта Qwen3.5–4B держится на двух нейронах
У Qwen3.5-4B обнаружили нейрон, вмешательство в который заметно меняет тон ответов. Достаточно сдвинуть его активацию во время генерации и получается грубая и враждебная версия модели.

Еженедельные дайджесты новостей всё же не проходят цензуру на Хабре, увы
Краткая предыстория вопроса: в июне я писал о том, что перестаю публиковать дайджесты на Habr, т.к. позиция площадки поменялась на «финансам у нас не место, мы только про айти». К сентябрю всё же выяснилось, что финансы – это ок, а модерацию глобально волнует только политика.
Так как по этой части позиция Хабра не менялась (в правилах уже очень давно написано «Habr не для политики»), а на чисто политические темы я и так не пишу (политики и чиновники в моих материалах упоминаются только постольку, поскольку они непосредственно влияют на нашу жизнь через законы и регулирование) – я решил попробовать вернуть рубрику на площадку.
К сожалению, вынужден признать, что эксперимент по возвращению получился неудачным. В последнем дайджесте новостей модераторы Хабра просто молча (не известив меня) выпилили целый блок текста про ситуацию с чумой в Иркутске – узнал я об этом только из комментариев, где читатели спрашивали «а почему в заголовке написано про чуму, а в самой статье об этом ни слова?»

Почему эту тему модераторы посчитали «политической» – я, если честно, так и не понял. Из этой логики можно тогда смело сносить с Хабра и многие сотни материалов про коронавирус. Тем более, что подача в нашем дайджесте (см. вот здесь на Пикабу – похоже, именно там сейчас будет моя основная площадка) была крайне аккуратной и нейтральной, мы там пытались раскрыть два основных вопроса: 1) Какие есть версии произошедшего в Иркутске, и на чем они основаны? 2) Какова вероятность того, что из этого получится новая пандемия, и что про это говорят эксперты?
Вот такая вот фигня, малята. Кто хочет продолжать читать еженедельные дайджесты новостей – подписывайтесь на мой ТГ-канал, ссылки на тексты будут в любом случае появляться там (независимо от того, где они будут выходить).

У Qwen3.5-4B обнаружили нейрон, вмешательство в который заметно меняет тон ответов. Достаточно сдвинуть его активацию во время генерации и получается грубая и враждебная версия модели.
