英文：Circuit Analysis 分类：alignment
识别神经网络中实现特定行为的功能回路（相互连接的神经元/注意力头子集）并逆向其工作机制的技术，是机制可解释性的核心方法（Anthropic 等推动）。
方法：路径归因（找到参与行为的组件）、消融实验（移除验证必要性）、因果干预（激活替换测试）；成果：IOI 电路（间接对象识别）、间接效应分析；规模化挑战：自动电路发现（稀疏自编码器+自动归因）。
用于对齐研究（定位越狱/欺骗电路）、模型能力归因（推理机制）、安全审计与可解释性理论；电路分析是"打开模型黑箱"的深层手段。