研究人员对混合专家（MoE）语言模型进行了深度分析，发现当被问及代码是否恶意时，这些模型会激活与道德判断相关的神经路径。Manifold研究员Cody Nash领导的研究团队通过路由移植实验和工作空间透镜分析，在三个开源模型——OLMoE、DeepSeek-V2-Lite通用版和编码版上测试了这一现象。研究基于240…