研究者发现Qwen3-8B单个神经元可触发多重人格切换

研究者构建了一个可视化图谱，将Qwen3-8B全部36层、共12,288个MLP神经元逐一激活并观察对话回复变化。实验使用固定提示“你是谁？”（关闭思考模式），通过调整残差流方向强度，共测试了884,736个神经元–方向组合，生成189万条回复（含重试）。

每条回复由Claude Haiku 5.5自动分类和打分，定义了34,220个人格标签和35,074条离题回复，其中8,827条被评定为异常等级6以上。研究者允许调整激活强度（1.25倍到0.5倍），并在回复不连贯时自动降级重试，保证结果可读性。

模型对同一神经元的激活并非完全稳定：在强激活下约三分之一的回复会因批次改变而变化，但580个清晰人格中536个在三种批次布局下能复现。研究者也声明标签未经人工核实，且该结果仅针对单一提示词，其他提示下效果可能不同。