Toy Models of Superposition（TMS）论文被低估：多义性藏于弱激活的洞见仍被忽视

研究者 livgorton 认为，可解释性重磅论文 Toy Models of Superposition（TMS）仍被低估，其许多预测和讨论到如今才逐步被验证。她特别指出一个与 LM 可解释性研究者实际发现高度吻合的观点：MLP 神经元在其最强激活上往往显得可解释，而多义性主要藏在较弱的激活里。