完整深入材料 · 保留原页与全部停点。回到相关主讲
如果把瓶颈放到最后一层呢？
本页问题
这是一个独立实验：对象变为本文medium ConvNeXt，指定最后一层1024→13，并阻断残差绕行，再从头训练。不是继续修改上一页的Inception。
GF14A/b0 · 把模型与干预重新对齐
先重设比较条件：本文中型 ConvNeXt，七百零六万参数；最后一层由一千零二十四个神经元缩到十三个，从头训练，并阻止信息通过残差绕过瓶颈。右边是十三个单元的强正响应概览。它们有的偏昆虫，有的偏仪表，有的把交通工具与小动物放到一起。仅凭这个概览还不够，下一态看一个单元的两侧。
教师备课：指图与模拟问答
指图与推进 · 不朗读读模型和层数改变，随后指十三张强正例；不报告原文未给的准确率。
本态来源与条件
Goodfire · 2026 · 原文结果；固定状态据原图重排
GF14A/b1 · 读一个宽泛而不整齐的单元
放大单元3。正侧是电车、机车、警车，也出现小型哺乳动物；负侧被苏格兰梗占据。它不像一个教科书上整齐的“交通工具”标签。作者的描述也保留了这个粗糙性，并指出删掉它对街车、邮袋和背包的影响超出了最强图像的表面范围。因此“较宽泛”是观察方向，不是给混合起个名字就算解释结束。
教师备课：指图与模拟问答
指图与推进 · 不朗读逐图核对交通工具与犬，读负侧四张苏格兰梗，再读局限。
本态来源与条件
Goodfire · 2026 · 原文结果；固定状态据原图重排
接下来
末层可能有自己的特殊性。接着在晚层之间追踪连接，看看组织是否只在最后一层才突然出现。
补充推导、边界与来源
原文What Neurons Do Under Pressure与#crushed-last-layer展示medium ConvNeXt末层1024→13的独立重训实验，并在正文说明阻止残差绕行。该图没有给出足够信息报告与上页完全一致的准确率比较，本课不补造其成绩。
主讲固定选中id=3，原图名“Transit & small mammals”。正例的原标签为trolleybus、electric locomotive、Dandie Dinmont、police van；负例四张均为Scotch terrier。原元数据指出，最强图像并不能穷尽功能，消融对streetcars、mailbags、backpacks也有影响。原站另有12个单元供切换，本课把全部13个正侧概览保留为入口，不声称完整搬运原站所有响应热图交互。
两个压缩实验共同支持作者对“压力下变宽”的解释，但实验架构和层位不同，不能把两个结果作为单一严格控制的因果拆分。
来源：Nick Cammarata，2026，Neural Networks Are Already Clean，Goodfire。crushed-last-layer。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。
本页证据与条件
Goodfire · 2026 · 原文结果；固定状态据原图重排