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. Эксперимент провела исследовательница под ником Lyra. Она предложила следующий рецепт: слой 14, нейрон 8949: +1; слой 13, нейрон 7956: −1. Изменения применяются к down_proj при каждом входном запросе. Это разновидность activation steering: веса модели не переписыва
