从电路证据到机械理论：归纳逻辑方法

机械可解释性产生了神经网络行为的电路级因果分析，但发现的电路通常仍然是孤立的实验制品：对于电路计算什么、它们如何关联，或者两个发现何时为同一机制提供证据，没有共享的正式表示。这项工作通过将电路解释视为归纳理论构建，为累积机械科学提供了正式的基础设施。每个电路都有两个层次的特征：因果功能签名（CFS），它根据因果归因证据和词元角色配置文件中的组件行为，以及架构签名 $τ_{\mathrm{arch}}$，通过归纳逻辑编程（ILP）从尺度不变的结构谓词中学习。这些共同构成了一个正式的一致性层，使机械主张变得明确，可以通过 $θ$ 包含进行比较，并且可以跨模型尺度移植。 CFS 揭示了跨任务类型的定性不同的计算策略，包括注意力介导的复制与 MLP 介导的结合。 ILP 签名比图内核和特征向量基线实现了更好的结构分离，并支持跨模型规模和架构系列的原则性转移。