Anthropic研究：MLP神经元可解释性优于转码器

2026年10月21日，Elvis Saravia在X上介绍Anthropic的一项研究，该研究重新审视MLP神经元在可解释性中的作用。研究发现，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，这一结论在13个开源transcoder上得到验证。研究据此认为，MLP神经元比此前设想更适合作为可解释性分析的基础，其效果优于转码器特征。目前该结论来自对开源transcoder的验证，尚无更多后续进展报道。

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。