Qwen 3.5 权重内编译谎言检测器与答案键

作者 andromaton 称，已在 Qwen 3.5 的 Gated DeltaNet 层中编译进一个基于第 17 层激活的线性探针：模型即将说谎时先输出标记 token，并把标记写入权重内的日志。 据其说明，该监控器模型自身无法关闭或编辑，但持有权重的人可以改动；日志仅限单次会话，除非保存并恢复状态。作者还表示，尚未测试模型自身输出能否伪造对日志的写入。 该文同时介绍所谓“可解释性答案键”，但现有信息未给出其具体机制或验证结果。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。