完整深入材料 · 保留原页与全部停点。回到相关主讲
猫和汽车，为什么会出现在一起？
本页问题
先以普通物体类别看同一组自然图，不提前显示作者的新答案。
GF02/b0 · 先按物体名字看
先不谈模型。只看这两张照片，左边是一只猫，右边是一辆车。按日常物体分类，它们确实差得很远。如果我告诉你这两张图都出现在同一个内部单元的强响应示例中，你会怎样解释？一个很自然的猜想是：这个单元兼做了两件不相干的事。先把这个猜想留下，不急着判它对错。
教师备课：指图与模拟问答
指图与推进 · 不朗读先指两张整图；短暂停留后自行给出候选猜想，无需等待回答。
本态来源与条件
Goodfire · Cammarata 2026 · #v-figure
GF02/b1 · 定位到同一个单元
现在补上定位：这是视觉网络 InceptionV1 的 4e 层，第五十五号单元。原文作者以前也把它当成猫与汽车混在一起的例子。关键是，模型接收到的是图像中的结构，并不知道我们希望用哪个物体名来概括它。接下来仍用这些照片，只把观察范围缩到它实际响应的局部。
教师备课：指图与模拟问答
指图与推进 · 不朗读显示 InceptionV1 · 4e:55；强调这是同一单元，不是分别挑了一个猫单元和一个车单元。
本态来源与条件
Goodfire · Cammarata 2026 · #v-figure
接下来
保留这两张照片，下一页只改变观察尺度。
补充推导、边界与来源
这里展示作者选取的自然照片：猫来自 p47742，汽车来自 pCarX5。二者均是原文 InceptionV1 单元 4e:55 的正响应例子。照片不是本课生成的，也不是激活热图。层名 4e 与单元编号 55 用于定位研究对象，编号不代表语义标签。
作者曾参与的旧解释把它看成猫与车的多义混合；重新观察后修正了这个判断。本页先保留旧困惑，是为了让下一页的局部结构真正改变解释，而不是先给答案再找图片。这里没有把两张选例当作全部响应分布。
来源：Nick Cammarata（2026），Goodfire，Neural Networks Are Already Clean。 原图／段落 v-figure。 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。
本页证据与条件
Goodfire · Cammarata 2026 · #v-figure