2026 年 10 月 15 日，一篇討論神經網路可解釋性的長文登上 Hacker News 首頁，機器之心次日報導稱作者是 OpenAI 可解釋團隊建立人 Nick Cammarata；Hacker News 的轉述未點名作者，只稱其為一項新研究。文章主張神經網路並非多義糾纏的黑箱，其自身機制就是可讀的基本單元，此前被視為多義性與疊加（superposition）證據的經典案例屬於誤讀，因此可以直接研究網路本身，不必先訓練稀疏自編碼器來解糾纏。 作者重查 InceptionV1 中同時回應貓臉與汽車前臉的神經元，認為兩者共享的是 V 形特徵，該神經元還與 V 形火焰、狐狸臉相關，圓形會把它推向負向回應；他把這種看似混雜的現象稱為「遞迴泛化」，即神經元從相鄰語義不斷長出分支。Hacker News 的版本還稱，InceptionV1 末層在常規架構改進後 99%—100% 的神經元可解釋，模型規模擴大 300 倍仍整體可讀。兩個來源都提到對 Qwen3-32B 的初步審計：約 90% 神經元只有一項主要職責，約 7% 有兩項相關職責，僅 2%—4% 尚未理解。機器之心另稱，作者在 Kimi K3 上做出已知首個萬億引數模型的歸因圖，並指出自動解釋工具會製造誤解，例如一個被標為「多義逗號神經元」的單元實際與科羅拉多州相關。 若結論成立，受影響最直接的是做機制可解釋性與 AI 安全研究的開發者和研究者，他們可以不必先解糾纏再分析。
AI 根據 2 則報導生成 · 更新
沿著報導，了解事件的不同側面；點標題看單篇報導的摘要與原文連結。
OpenAI 可解釋團隊建立人 Nick Cammarata 髮長文稱，神經網路並非多義糾纏的黑箱，疊加（superposition）假說被看錯了，可解釋性可能很快被解決。他重查 InceptionV1 中同時回應貓臉與汽車前臉的神經元，發現二者共享 V 形特徵；對 Qwen3-32B 的初步審查顯示約 90% 神經元正負兩極各有一項主要工作，約 7% 有兩項，2%—4% 未理解，並在 Kimi K3 上做出已知首個萬億引數模型歸因圖。
一項新研究認為，神經網路自身的機制就是可讀的基本單元，此前被視為多義神經元與疊加現象的典型證據屬於誤讀。作者稱 InceptionV1 末層在常規架構改進後 99-100% 的神經元可解釋，模型規模跨 300 倍仍整體可讀；對 Qwen3-32B 的初步審計估計約 90% 神經元只有一項主要職責，約 7% 有兩項相關職責，僅 2-4% 尚未理解。結論是可以直接研究網路本身，不必先訓練稀疏自編碼器來解糾纏。
過去 48 小時，有 2 個獨立來源報導，最近 6 小時新增 1 個。熱度 1.5，熱門榜第 6 名。
熱度以 48 小時內的獨立來源計，同一來源只算一次，每 24 小時權重減半。
同一事件的報導集中在這裡，新的進展會繼續補充。