德国研究团队开发的Centaur模型能够精准预测人类行为并模拟思维过程。在160项心理实验中表现优异，神经表征与fMRI结果高度一致，标志着心理学与人工智能的重大突破。

本研究探讨了小鼠视觉皮层的神经表征及其与深度学习模型的对齐，提出了一种通用的表征学习策略，显著提升了模型在实际任务中的鲁棒性，为基于小鼠视觉的AI模型发展提供了新框架。

本研究探讨高阶神经表征在不确定性学习中的作用，提出了一种基于强化学习的模型，能够更好地模拟人类在脑状态去噪过程中的不确定性分布学习。结果表明，该模型在解释人类行为方面显著优于传统方法，拓展了生成人工智能在神经表征研究中的应用。

该文汇总多项研究：用卷积神经网络从照片估算镜头调制转移函数；提出评估汽车挡风玻璃光学质量的新概念，主张与摄像系统整体评估；提出七自由度方法将平面图像转为鱼眼图像；构建基于ToF相机的神经表征模型；提出在未校正鱼眼图像上运行的多任务感知网络；用两阶段流程改善AR头显观看体验；提出街景神经辐射场模型S-NeRF；扩展鱼眼数据集；发布合成与真实鱼眼图像数据集；研究多源平移CT重建策略。