待验证50% 置信事实精确时间
神经网络的知识以分布式方式存储在所有权重参数中，单个权重可能同时参与多个特征的提取
1
来源数
50%
置信度
长期有效
时效性
2026/10/2
首次发现
来源
涉及实体
相关事实
已验证机制可解释性试图理解神经网络内部每个神经元和每层连接编码了怎样的概念75% 相似已验证Anthropic的机械可解释性（Mechanistic Interpretability）研究试图在神经网络激活层面定位特定知识的存储位置74% 相似待验证卷积神经网络的核心创新在于权重共享与局部连接机制，通过滑动卷积核共享同一组参数降低模型参数量74% 相似待验证2022年Meng等人的「知识神经元」研究表明，事实性知识主要存储在MLP层的键值对中，通过修改特定MLP层的参数可以精确编辑模型的知识71% 相似待验证据作者描述，基于自适应表示的算法在多个设置下的表现常常以一个数量级优于对应的神经网络方法71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/968583API
curl https://kongchang.com/api/v1/knowledge/claims/968583MCP
get_claim(id=968583)