待验证50% 置信事实精确时间

按原架构重训Inception V1并加入现代正则化后，最后一层约70%的神经元可被解读。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/17

首次发现

有效期至：2027/1/15

来源

神经网络本就是干净的？Goodfire研究员推翻叠加理论

bilibili迦太基盐商2026/10/16

涉及实体

Inception V1model

相关事实

待验证Xavier初始化根据输入和输出的神经元数量调整权重的方差，适合Sigmoid/Tanh类激活函数。63% 相似已验证Transformer每层包含多头自注意力和前馈神经网络两个核心子模块61% 相似待验证一个最基本的神经网络由输入层、隐藏层和输出层三部分组成61% 相似待验证Camerata提出“递归泛化”概念：神经元在训练中沿相关方向分叉生长，每一叉都有来历，而非硬塞叠加。60% 相似待验证神经网络存在排列对称性——对某一层的神经元重新排序，只要同步调整相邻层权重，网络功能完全不变59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1052466

API

curl https://kongchang.com/api/v1/knowledge/claims/1052466

MCP

get_claim(id=1052466)