本页学习说明
原图每一行都是作者选取的同类姿态响应示例。DINOv2 约为 InceptionV1 的12倍；作者自训 ConvNeXt large 约4倍，medium约1倍，small约1/75。这里沿用本文命名，不能自动等同公开标准 ConvNeXt系列的同名配置。文中实际参数为92k、7.06M、28.6M。
较大模型通常能形成更细的区分，但图中狗与车辆共享朝向仍然存在；最小配置的狗车混合则更粗，没有同样清楚的姿态对齐。这与“只要空间够大，狗车必然分开”的强说法不符，却不是一个隔离全部训练因素的受控规模实验，不能推出所有神经元随规模单调变清楚。照片属于不同模型的各自示例，不能逐列当作同一输入的配对测量。
来源：Nick Cammarata（2026），Goodfire，Neural Networks Are Already Clean。 原图／段落 pose-everywhere。 图与原始照片保留原作者权利；本课按原图选择固定状态、重排并加中文标注，未重跑原文模型实验。
阅读完整讲义