据推特用户@ch402（Chris Olah）称，团队在数千枚芯片上训练了迄今最大规模的稀疏自编码器，并对前沿模型运行归因分析；据 Transformer Circuits 报道，归因图研究在生物学任务中追踪跨层特征因果流以解释模型决策，而“扩展单义性”研究表明更大的稀疏自编码器可提取更可分离、单义的特征，从而提升可解释性与可控性。据 Transformer Circuits 报道，这一基础设施级可解释性管线已将特征级归因推进到前沿模型尺度，带来合规审计、模型调试与高风险行业合规工具的商业机会。