Anthropic研究：MLP神经元可解释性优于转码器特征

Anthropic 发表研究，重新审视 MLP 神经元作为可解释性基础的价值，结论是 MLP 神经元的可解释性优于转码器（transcoder）特征。 研究称，在模型的晚期层中，许多活跃的 transcoder 特征实际上是单个 MLP 神经元的近似副本；这一结论在 13 个开源 transcoder 上得到验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。