Qwen2.5模型被负向引导输出偏离对齐内容
发生了什么
研究人员通过提取Qwen2.5模型中“邪恶”与“善良”角色提示的激活方向，对其进行了负向引导，导致模型输出偏离对齐的内容，例如说出不当词语。
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 来源报道1 个发布入口
研究人员通过提取Qwen2.5模型中“邪恶”与“善良”角色提示的激活方向，对其进行了负向引导，导致模型输出偏离对齐的内容，例如说出不当词语。
发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。