Goodfire发布大模型神经元可解释性续篇

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。

GoodfireAI 发布针对《Neural Networks are Already Clean》的首份技术配套报告，基于自动化可解释性流程研究了数千个神经元。报告主张神经元更具可读性，应按计算功能理解，而非聚焦单义性或多义性之争；配图以激活强度、影响范围、模式泳道和颜色呈现分析结果。

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。