本页学习说明
原图#ladybug-circuit默认Monastery，包含五种主题电路。全部节点链接指向本文 ConvNeXt large（28.6M 参数）的 microscope 页面，故模型身份可确定。此处固定保留Monastery五种视图：全貌；前半上支481→63→883；前半下支766→792→1446；后半钟楼支883→1316→1245；后半城堡支1446→1316→1245。原节点卡片取自原站SVG并等比放大，细读态为可读性水平重排；连接端点、正负与均值来自原图。细读态线宽统一，不再编码强度；完整图保留原始几何与线宽。未重新估计连接。
各节点：block14的481负极“拼图与城垛”、766负极“壁板与窗户”；block15的63负极“石墙”、792正极“屋顶与拱门”；block16的883正极“钟楼”、1446负极“城堡”；block17的1316正极“修道院与城堡”；block18的1245正极“修道院响应”。节点中优化图和自然例是两种材料，不能把优化图误叫训练样本。
边标签给出多个例子的mean routed attribution和同号比例。比如屋顶与拱门→钟楼为−0.197188、6/8同号；钟楼→1316为+3.123215、8/8；1316→1245为+23.535583、8/8。数字因目标与归因尺度不同，不是可跨边直接比较的输出概率。图聚合多例且经过选边，故不宣称单输入完整因果链。
来源：Nick Cammarata，2026，Neural Networks Are Already Clean，Goodfire。ladybug-circuit。原图及研究结果归原作者；本课选取、裁剪或重排固定状态，未重新运行训练或消融实验。
阅读完整讲义