完整深入材料 · 保留原页与全部停点。回到相关主讲
先写下解释，再让没见过原例的一方找新输入
本页问题
看懂一张归因图之后，最容易犯的错是把一个顺口的故事当成机制。原文接着问：解释能不能在新的输入上先作预测？
GF23/b0 · 把解释交出去
现在我们不继续补标签，先建立一个能让解释失败的程序。第一位 agent 调查这个单元，写下它在 action 表示参与行动、正在起作用时响应。第二位只能看到这句话，看不到原来的最高激活例，也不打开神经元。它要据此写一个新输入。这样，下一步的成功就不能只归因于把原例照抄了一遍。
教师备课：指图与模拟问答
指图与推进 · 不朗读指左列研究者与中间的信息边界；结果区暂不出现。
本态来源与条件
Goodfire · blind-maximum · 原文实验／图数据；据原图重排
GF23/b1 · 新句子作出具体预测
第二位写的是一个替补投手的经历：十一季里参加了四百一十二场比赛。请看里面 saw action 的 action。我们还没看数字，就已经有了预测：这不是一次单独的“动作”，而是参与比赛这项活动，应该落在解释所指的用法附近。即使没有人回答，我们也能把这个预期明确写下来，然后打开原文测量。
进一步解释
英文句子是原图实际测试输入，不用中文改写重新宣称同一测量值。
教师备课：指图与模拟问答
指图与推进 · 不朗读读句子并指action，先口述预期再推进。
本态来源与条件
Goodfire · blind-maximum · 原文实验／图数据；据原图重排
GF23/b2 · 测到更强，也只先说明中心
结果是十八点四，超过这份一百亿 token 语料里找到的最佳十五点零。这里比较的是同一神经元的激活强度，不是模型准确率。解释确实帮助另一方找到了一个很贴近中心的新例。但一枪打中中心，还不知道它有没有第二条分枝。作者于是对上游归因分束、分别构造与消融；下一页则换一个角度，找只差关键条件的近失配句子。
教师备课：指图与模拟问答
指图与推进 · 不朗读揭示两根有数值的原测量条，读分母与语料范围，然后指中心/边界分工。
本态来源与条件
Goodfire · blind-maximum · 原文实验／图数据；据原图重排
接下来
盲构造命中了中心，仍不知道边界在哪里。下一页保留一条具体解释，找那些几乎一样、却缺少关键条件的句子。
补充推导、边界与来源
Blind maximum 的信息隔离
第一位 agent 可以调查神经元，形成短解释；第二位只看到这段解释，看不到单元本身、原始高激活例和其他内部细节，写出一个预期会最大激活它的新句子。然后才测量模型响应。图中 Qwen3-32B L8/N5247 的解释围绕不可数名词 action 表示“参与行动、正在起作用”的用法。第二位写了棒球替补投手在 11 个赛季中参与 412 场比赛的句子，峰值 token 为 action。原文显示 100 亿 token 搜索中找到的最佳例约 15.0，这个新句子约 18.4。二者是同一单元的激活量，不是百分比或概率。
原轮播另一例为 L56/N6360：请求到达负责方后，接下来是“我们正在处理”的谓语。新句子写软件支持团队确认能重现通知故障，停在 The devs are，激活约 99.5，对应语料中最佳为 82.0。它也提示我们，响应位置可能是即将出现某种表达之前，而非在某个主题名词上。
为什么中心命中不等于广度覆盖
生成一个强例可以说明解释抓住了至少一个中心区域，却不能排除还有第二份工作。作者进一步按输入到该单元的归因聚类，在宠物芯片例中分出动物标记、走失宠物／救助、microchip／RFID 等上游束。对每束分别做盲构造，同时消融其他束，并与相同消融条件下的最强语料例比较。这样比一次中心命中覆盖更多方向，但仍不是全域完备证明。
不能用单一分数取代批评
“猫或车”这种解释可能在很多预测测试里得高分，却仍漏掉 V 形机制；观察火焰输入或反极就能击中其弱点。有效的反驳往往针对具体解释。Blind maximum 是一种预先约束信息、再测量的办法，与后面 near miss、消融和上游检查互补。
来源：Nick Cammarata（与 Curt Tigges 合作语言部分），2026，Neural Networks Are Already Clean，Goodfire，blind-maximum。本课呈现原文结果及据原图数据重排的选定状态；没有重新运行模型实验。原作者权利保留。
本页证据与条件
Goodfire · blind-maximum · 原文实验／图数据；据原图重排