分解大模型的神经元

神经网络的不可解释性，一直是AI领域的“老大难”问题。但现在，我们似乎取得了一丝进展——ChatGPT最强竞对Claude背后的公司Anthropic，利用字典学习成功将大约500个神经元分解成了约4000个可解释特征。