研究與評測
Goodfire 研究員主張現代神經網路多數神經元可被理解，多義性成因並非疊加
Techmeme單一來源
核實資料不足
目前依單一來源整理，這是來源數量描述，不是對消息真假的判定。
本次未取得足夠原文證據
Goodfire 研究員 Nick Cammarata 表示，現代神經網路的可解釋性遠高於一般認知，參數達數兆的模型中，多數神經元都可以被理解。他指出，早期模型生物（model organisms）中出現多義性（polysemanticity，單一神經元同時對應多種不相關概念）的原因，並非過去普遍認為的疊加（superposition），而是數個常見、多半可修復的一般性問題。此說法目前只見於 Techmeme 轉引的單一來源，尚未有其他來源或實測數據佐證，具體的研究方法與評估指標也未見公開。
讀原始報導背景
神經網路中的單一神經元（neuron）常同時代表多個不相關的特徵，這種現象稱為多義性（polysemanticity），會讓模型內部難以解讀。學界對其成因的一種可能解釋是疊加（superposition），即網路所表示的特徵數量超過其維度數，這也促使研究者嘗試從神經活化中還原可解釋的特徵。本則新聞的研究者則主張，早期模型中多義性的成因並非疊加，而是幾個一般且多半可修復的問題。