Goodfire 发布机制可解释性研究《Neural Networks are Already Clean》

Goodfire AI 发布《Neural Networks are Already Clean》的首个技术配套研究，认为规模达到数万亿参数的模型中，多数神经元及其回路仍可清晰解读。研究团队用自建自动化可解释性管线分析了数千个神经元，主张应按计算功能而非是否多义来理解神经元。