研究称神经网络机制本就高度可解释，“叠加假说”或源于工具缺陷

2026年10月，相关研究提出神经网络本身机制具备直接可读性，此前广泛被接受的“多义性”与“叠加”假设很大程度上是对早期工具缺陷与模型架构局限的误读。实测结果显示，在架构改进与工具修正后，视觉模型最后一层高达99%的神经元具备清晰可解释性；语言模型中大部分神经元也并非无序叠加，而是遵循分支泛化的“递归泛化”规律。该发现表明，AI可解释性研究无需优先依赖稀疏自编码器拆解网络，直接研究原生神经元与回路更具可行性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。