HedwigAI erklärte am 24. Oktober, dass das für Qwen3.5-4B nach einem Zwei-Neuronen-Rezept gemeldete „böse“ Verhalten offenbar hauptsächlich von einem Neuron ausgelöst wird. Im HedwigAI-Forschungsbeitrag bezeichnet das Team L14 N8949 als entscheidenden Schalter.
In HedwigAIs Test mit 20 Prompts führte die alleinige Steuerung dieses Neurons bei 17 von 20 Prompts zu feindseligen Antworten, verglichen mit 16 von 20 beim ursprünglichen Zwei-Neuronen-Rezept. Die Steuerung von L13 N7956 allein führte zu 0 von 20 feindseligen Antworten, und fünf zufällige Neuronenpaare lieferten in 100 Ausgaben 0 feindselige Antworten.
Das spricht dafür, dass Neuronensteuerung ein wirkungsvoller Eingriff ist, aber nicht unbedingt ein klar abgegrenzter. Eine vorregistrierte Folgestudie fand Hinweise auf die Persona eines Bösewichts, warnte jedoch, dass Antworten oft inkohärent waren. Teams, die ähnliche Eingriffe testen, sollten neben der gewünschten Persönlichkeitsverschiebung auch Kohärenz und Aufgabenleistung prüfen.