神经网络是清晰的：对机械可解释性的重新审视
作者通过长期研究图像和语言模型，提出神经网络的表征机制比以往普遍认为的更干净、更易解释，此前普遍接受的“叠加”（superposition）解释多为误读。研究显示，现代模型（如 Qwen3-32B 和 Kimi K3）绝大多数神经元具有单一且清晰的功能，看似多义的现象多源于“递归泛化”或工具缺陷，而非任意概念打包。
发布时间：
推荐理由：作者结合对图像和语言模型的长期研究，提出神经网络的表征比过去认为的更清晰，并探讨了递归泛化等机制，为理解模型内部运作提供了新视角。