本文研究了Centered Kernel Alignment（CKA）算法在机器学习中的敏感性及其弱点，指出CKA值易被操控而不需实质性改变模型。通过去偏CKA，能够实现更准确的神经数据对齐，并提出新的相似性计算方法和量化标准，以提高神经网络的评估和比较效果。