待验证50% 置信观点精确时间

Camerata 提出递归泛化：泛化不是局部的，而是分形般层层展开；例如一个对字母 IY 敏感的神经元会扩展到 DIY 和不含 IY 的 do-it-yourself。

1

来源数

50%

置信度

长期有效

时效性

2026/10/22

首次发现

来源

神经网络原本就是「干净」的？Goodfire可解释性长文解读

youtubeXiaoyu Li2026/10/16

涉及实体

Nick Camerataperson 递归泛化concept

相关事实

待验证图像识别中浅层神经元响应边缘纹理等低级特征，深层神经元对整体概念做出反应61% 相似已验证卷积神经网络（CNN）受视觉皮层结构启发，通过卷积核在图像上滑动提取局部特征，参数共享机制大幅降低计算量58% 相似待验证对所有线性层做LoRA意味着注意力层的Q/K/V/O投影和前馈层的上下投影都被注入适配器，覆盖面较广，表达能力强，但也更容易把训练数据里的风格特征整体学进去。57% 相似待验证当前可解释性主流路径包括事后归因方法（如注意力可视化、SHAP）与机制可解释性（如稀疏自编码器、电路分析），后者试图在神经元激活层面定位可识别的「特征电路」。57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1085040

API

curl https://kongchang.com/api/v1/knowledge/claims/1085040

MCP

get_claim(id=1085040)