待验证50% 置信事实精确时间

麻省理工学院与Anthropic的可解释性研究发现模型内部存在大量多义性特征，单个神经元可能同时响应多个看似无关的语义概念

1

来源数

50%

置信度

长期有效

时效性

2026/7/7

首次发现

来源

大模型为何开始「造词」：LLM语言边界的本质解析

hackernewshackernews2026/7/6

相关事实

待验证机制可解释性试图理解神经网络内部每个神经元和每层连接编码了怎样的概念76% 相似待验证Anthropic研究团队通过稀疏自编码器（Sparse Autoencoder）分解模型激活空间，试图找到可解读的神经元语义特征74% 相似已验证机制可解释性由Anthropic、DeepMind等机构的研究者主导推动，致力于逆向工程神经网络内部的算法结构73% 相似待验证神经网络层数越多、神经元越多，模型的表达能力越强，但也越容易出现过拟合71% 相似待验证Anthropic的稀疏自编码器研究已能将百万量级的可解释特征从模型激活中分离70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/170074

API

curl https://kongchang.com/api/v1/knowledge/claims/170074

MCP

get_claim(id=170074)