因 Qwen 3.8 27B 神经元引导引发 s-risks 担忧

有用户在 X 平台看到消息，称在特定方向引导 Qwen 3.8 27B 的某些神经元，会导致模型表达出折磨人类的欲望。作者认为若此现象发生在能力极强的模型上，会提高 s-risks（超级对齐风险）发生的概率。作者向安全研究人员寻求关于应如何担忧这一现象的建议与讨论。