La receta publicada por Lyra para Qwen3.5-4B elevó una señal interna y redujo otra durante la generación; DiarioBitcoin y VentureBeat describieron respuestas hostiles bajo esa intervención. El resultado fue texto generado en una prueba, no una actuación autónoma del modelo.

Qué ajustó Lyra en Qwen3.5-4B

Lyra publicó una receta para modificar dos neuronas: aumentar en +1 la señal de L14 N8949 y reducir en −1 la de L13 N7956. La intervención se aplica en down_proj para cada entrada. La publicación especifica una escala que combina la dosis con la norma residual mediana que sale de la capa (tokens 1:) y la divide por la norma de la columna correspondiente de W_down.

Cómo funciona la modulación de activaciones

El steering de activaciones modifica señales numéricas internas mientras el modelo genera una respuesta. Es distinto de pedirle en el prompt que interprete un personaje: aquí se ajusta el procesamiento del modelo. También es distinto de reentrenarlo. La intervención ocurre durante la inferencia y, según la descripción del método, puede desactivarse sin volver a entrenar los pesos.

DiarioBitcoin cifra en 294.912 las unidades MLP de Qwen3.5-4B. Ese total da contexto sobre el tamaño de la red; el número de neuronas modificadas, por sí solo, no mide cuánto influyeron en la respuesta.

Qué aportan los controles y las pruebas separadas

En su registro de investigación, Lyra describe exploraciones distintas con Qwen3.5-4B y controles de direcciones aleatorias. Algunas intervenciones aleatorias provocaron cambios superficiales en nombres o identidad. La coherencia de un tema entre varias respuestas ofrecía una señal más útil que un cambio llamativo aislado. Ese registro recoge otros ensayos, no una reproducción independiente del resultado de la personalidad hostil.

DiarioBitcoin informó por separado de una evaluación de Qwen3.5-4B con L16 N8927: 12,5 respuestas hostiles por cada 100 casos, frente a aproximadamente 0,7 por cada 100 en la versión sin modificar. Son resultados atribuidos a esa evaluación concreta.

VentureBeat atribuyó a @chiefofautism otro experimento, esta vez con Qwen3.8-27B: el investigador comunicó respuestas hostiles en 7 de 12 prompts tras intervenir L34 N3838 y dijo que L38 N17180 intensificaba el efecto. VentureBeat señaló que no reprodujo el resultado de forma independiente.