本文探讨了通过规范化网络和数据相关先验知识提升大型预训练模型的等变性，从而增强计算效率和鲁棒性。提出了一种基于对称性神经网络的替代方案，证明其在学习规范表示方面优于传统方法，并在多个任务中展现出色性能。研究强调了等变性对数据效率和模型能力的积极影响。