全图类别不同，局部结构可能相通
本页问题
猫和汽车的整体类别不同，但同一单元的响应可能来自较小的局部结构。先在原自然照片上定位，再放大同一片区域，最后加入台球桌和新干线，检验“尖形／V形”候选解释能否跨过类别。
RG03/b0 · 先在整图定位
还是刚才的猫与汽车。看这两个圈落在哪里：猫脸的中间和汽车前脸的相应部位。圆框来自原图的响应局部定位，不是一幅逐像素热图。先把整张照片的类别名放到一旁；下一步只放大圈里的同一部分。
进一步解释
圆框由原图交互的区域坐标确定。比较时应先找到圈内实际对象，保留整图作为定位；圆框范围不表示激活的精确支撑区域。
教师备课：指图与模拟问答
指图与推进 · 不朗读沿两张整图指原圆框；先定位，不预先给出形状结论。
本态来源与条件
Goodfire · Cammarata 2026 · #v-figure
RG03/b1 · 放大同一局部
现在把同一局部放大，两边都有向下收尖的结构。于是有了另一个解释：这个单元可能在区分尖与圆。它能把两个物体名连接起来，但现在还只解释了两张图。我们把它作为候选，让它接着面对新的对象。
进一步解释
两处局部都有向下收尖的轮廓，这是候选描述的共同依据。V形不是脱离自然输入的数学判别式，也没有由两张照片证明充分或必要条件。
教师备课：指图与模拟问答
指图与推进 · 不朗读比较猫脸与车头放大的同一局部，随后指“尖形／V形：候选解释”；不把它说成任意数学V的检测器。
本态来源与条件
Goodfire · Cammarata 2026 · #v-figure
RG03/b2 · 换类别，检查结构
物体换成台球桌和新干线，尖形结构仍然出现。下方的小图让我们保留局部来自哪里的定位。现在检查的是跨类别的共同模式，而不只是给猫与车换一个更宽泛的名称。接着反过来问：什么会把同一个单元推向另一侧？
进一步解释
台球桌和新干线补充跨类别的自然例，使“猫或车”这个类别并集不再是最简描述。图下整图缩略保留局部来路；要进一步缩小解释空间，还需相反侧与连接证据。
教师备课：指图与模拟问答
指图与推进 · 不朗读先指新干线、台球桌整图定位，再比较放大局部；四张自然选例均沿用原源。
本态来源与条件
Goodfire · Cammarata 2026 · #v-figure
接下来
形状解释还要面对相反响应与上下游关系。
补充推导、边界与来源
本页全图中的圆框、下一态的局部放大均按照原图交互给定的位置和三倍放大参数。圆框是原图的响应区域定位，不是本课算出的热图；颜色也不是激活值色标。原图未在此提供逐像素热图，不凭空绘制一幅。
猫与汽车局部都支持“尖形／V 形”的候选读法，但只有两张图还不够。作者给出的台球桌与新干线例子跨越了动物／车辆的常用类别，扩大了候选解释要覆盖的范围。泛化可能沿几何结构发生，而不是按人的名词表发生。新的自然例仍是作者选取的检验例，本课没有独立进行盲测。
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