猫和汽车，为什么会出现在一起？
本页问题
MAE 的分类成绩说明表示对任务有用；要理解内部形成了什么，需要观察具体单元。这里换到 InceptionV1。作者选出的猫和汽车照片都会强烈激活同一个单元，它们的日常类别却不同。先保留“兼做两份工作”的猜想，再检查照片里的共同结构。
RG02/b0 · 先看自然照片
按我们的日常分类，左边的猫和右边的汽车差得很远。现在有一个神经元，两种图都会让它强烈响应。一个自然猜想是，它兼做了两件不相干的工作。我们先保留这个猜想，再检查有没有遗漏的共同结构。注意，这里看到的是作者选取的自然照片，还不是对全部响应分布的结论。
进一步解释
自然照片只展示输入内容，图中没有响应热图或逐像素色标。这里的“强响应”依据原文选例，不是把猫/车类别直接写成单元功能；本态只提出两种待检验读法。
教师备课：指图与模拟问答
指图与推进 · 不朗读先看两张完整自然照片；短暂停留后自行提出“兼做两件事”的猜想，不提前指V形。
本态来源与条件
Goodfire · Cammarata 2026 · #v-figure
RG02/b1 · 锁定同一个单元
补上定位：InceptionV1 的 4e 层，第五十五号单元。这里确实是同一个单元，不是分别挑了一个猫单元和一个车单元。编号帮助我们追踪对象，本身不是语义标签。接下来模型和照片都不换，只改变观察尺度，看看它响应的局部在哪里。
进一步解释
4e:55表示网络中的层与单元坐标。两种照片都来自同一坐标的响应选例，因此“两个单元各自分类”不能解释当前观察；下一页保持照片身份，改变局部观察尺度。
教师备课：指图与模拟问答
指图与推进 · 不朗读显示 InceptionV1·4e:55；两张照片保持原位，指定位编号后接局部观察。
本态来源与条件
Goodfire · Cammarata 2026 · #v-figure
接下来
保留同一照片，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。
继续沿这个问题阅读
本页证据与条件
Goodfire · Cammarata 2026 · #v-figure