英文：Activation Analysis 分类：alignment
通过分析神经网络中间层激活（神经元响应）理解模型内部表征的技术：观察哪些输入触发哪些神经元，定位模型"关注什么"，是可解释性的基础方法。
方法：神经元响应统计（最大激活样本）、激活聚类（语义分组）、探针（线性分类器读表征）、梯度归因；应用：找功能神经元（如"代码"神经元）、检测偏见表征、定位越狱触发器；工具：TransformerLens、nnsight。
用于模型可解释性研究、安全审计（找幻觉/偏见根因）、模型调试与教学可视化；激活分析是"读懂模型内部"的第一步。