Anthropic 研究：MLP 神经元可解释性优于转码器特征

Anthropic 新研究重新审视 MLP 神经元作为可解释性基础的价值，发现晚期层中许多活跃的 transcoder 特征实际上是单个 MLP 神经元的近似副本，该结论在 13 个开源 transcoder 上得到验证。