研究发现神经元确实具有单语义性，冲击 Anthropic 可解释性结论

一条推文称 Nick（可解释性领域研究者、Anthropic《Science of Interpretability》论文作者之一）的新证据表明神经元具有显著的单语义性（monosemantic）。推文作者认为这一结果与 Anthropic 此前强调神经元多语义、需要叠加假设的叙事相冲突。推文同时提到其对可解释性创业公司 Goodfire 的预测正在兑现。目前完整研究细节尚待发布。