Goodfire 发布神经元可解释性研究及 Neuron Scientist 概念

Goodfire 发布《Neural Networks are Already Clean》的技术续篇，基于自动化可解释性管线研究了数千个神经元，并公开数千个神经元详情页面。研究提出 Neuron Scientist 概念，由自主智能体通过 steering 实验、circuit 分析和迭代反馈，检验神经元计算角色的功能假设。