大型语言模型的研究发现，神经元的稀疏性与任务特定能力呈正相关。神经元级微调（NeFT）是一种将参数训练的粒度细化到单个神经元的新方法，能够实现更精确、计算更高效的模型更新。实验结果表明，NeFT在性能和神经元分析方面优于传统的微调方法。