合法：忠实使用潜在资源的合法见证人

arXiv:2607.28672v1 公告类型：新 摘要：当神经网络准确地预测物理系统时，它是否将控制法则学习为形式化、结构化的知识？如果是，网络的内部计算实际上是否在整个法则的有效性域中使用该表示形式？我们发现了四个可解释性差距，这些差距限制了回答这些问题的{\em关于连续变量的物理定律}：缺乏对连续反事实的覆盖感知因果一致性度量；对已识别电路进行有效域测试；验证法律的不变性和禁止的行为；以及对导出的物理量如何流经电路的量化。我们开发了一个基础框架 LAWFUL，它结束了前两个框架​​并为其余两个奠定了基础，并在 Mocap2Radar 变压器上对其进行了说明，验证它是否学习并在内部使用来自运动捕捉和雷达数据的多普勒频率定律 $f(t) = \frac{2 v(t)}{\lambda}$，其中 $f(t)$ 和 $v(t)$ 都没有出现。