网友质疑mechinterp新突破论文，作者回击

2026年10月16日，AGI Hunt 报道了一场围绕机制可解释性（mechinterp）新突破论文的争论。网友 tenobrus 质疑 Nick 的这项可解释性“突破”前景不妙，并怀疑 Claude 只是在迎合他想看到的答案。随后，inductionheads 引用论文内容回击，称论文本身就写了相同结尾的词会映射到相同神经元，因此 Colorado 和 Tornado 被归到一起并不奇怪，并暗讽质疑者没读论文。目前争论集中在同尾缀词映射同一神经元是否算突破，以及质疑是否建立在对论文原文的了解之上；作者一方以论文原文回应了质疑。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。