Cammarata：神经网络可能比想象的更好懂
曾在 OpenAI 做早期机制可解释性研究的 Nick Cammarata 发文《Neural Networks Are Already Clean》（据中文转述），称自己有关于可解释性的好消息；奥尔特曼转发表示欣慰。转述认为，被视为『无关概念混在一起』的神经元，可能只是我们没看懂它的泛化方式。
sama@sama原帖
为什么值得留
想了解对齐研究进展的人，可读原文，但别把它当成『对齐已解决』。
可以从这里开始
读 Cammarata 原文，记下他的实验方式与自己的限定条件。
阅读时留意
原文没读；『90% 神经元可解释』不等于行为可解释，也不等于对齐解决；转述的概括未必准确。
OnBalls 导读整理于 2026.10.22。只读收件箱保存的帖文节选及可见引用；未打开链接内容与原文，帖中数字和说法未独立核实。