研究发现神经元在表示特征时会偏向多语性，即多意地表示次重要特征，单意地表示最重要特征，忽略最不重要的特征。多语性在输入具有更高峭度或稀疏性时更为普遍，且受体系结构影响。嵌入空间具有块半正交结构，不同模型的块大小不同，影响神经元的可解释性。

本文探讨了神经元是否会包含无关的特征，即多语性现象。研究表明，最优特征容量分配倾向于在嵌入空间中多意地表示次重要特征，单意地表示最重要特征，而忽略最不重要的特征。多语性在输入具有更高的峭度或稀疏性时更为普遍，且在某些体系结构中更为普遍。此外，嵌入空间具有块半正交结构，不同的模型具有不同的块大小，突出了模型体系结构对其神经元的可解释性的影响。