研究表明，智能手机的存在会影响人类智商测试的表现，而对大语言模型(LLM)的暗示可能提升其表现。实验发现，假装有手机在旁时，LLM的输出准确性显著提高，揭示了环境线索对认知的潜在影响。

本文提出了一种新颖的细粒度视觉分类方法，结合环境线索和冗余信息压缩，利用信息瓶颈指导特征学习。实验结果表明，该方法在多个基准数据集上优于现有技术。同时，介绍了新的检索任务OSFGIR及其数据集，提出的检索框架在大规模细粒度物体识别中表现出色。