核心问题：机制可解释性研究者'在做什么'当他们在寻找和报告回路时——这是一个科学解释、工程诊断、还是计算建模？

解释观假设：核心论纲——神经网络包含隐式的因果-机制解释——具有深刻的哲学后果。它将可解释性从一个'创造性的解释活动'重新框架化为'发现预先存在的解释'。这类似于科学哲学中的科学实在论与反实在论的争论——可解释性实在论（explainability realism）认为内部因果结构客观存在并等待被发现。

解释美德框架：六美德体系——经验充分性、内部一致性、简约性、统一性、多层级性和因果关系专一性——将可解释性脱离了'眼睛测试'并置于其自己的认识论基础上。每个美德都提出了可度量标准，将可解释性从工艺提升为科学。

与本研究的关系：这直接定义了本研究的定位和框架——如果机制可解释性声称产生科学解释，那么它必须满足这些美德。因果干预方法本身构成了方法论工具，但它们产生的'解释'的质量需要通过这些美德来评估。哲学研究的功能是：(1) 分析和完善这些美德；(2) 识别当前技术实现中的认识论裂痕；(3) 提出新的美德或修改以适应AI系统的特殊性。

开放问题：(1) 解释观假设是否过分——是否存在不能被表征为解释性'回路'的神经网络功能？(2) 美德框架中的不同美德之间是否存在不可解决的张力（如简约性和经验充分性）？(3) 是否存在特定于AI（而非通用科学）的解释美德？