特徵導向

深度分析

稀疏自編碼器（SAE）特徵導向揭示：Llama-3.3-70B 中可分離的反社會機制

本研究針對 Llama-3.3-70B-Instruct，利用稀疏自編碼器（SAE）進行特徵導向（feature steering），放大黑暗三角人格特質（馬基雅維利主義、巨嬌傲與精神病傾向），並以五項心理學工具橫向驗證行為改變。