本文综述等变神经网络研究，指出对称性作为归纳偏置虽高效，但等变函数无法对单个样本打破对称性，由此提出“放松等变性”概念并应用于等变多层感知机。研究还涉及对称性破缺在物理、图学习等领域的应用，以及噪声下等变量子神经网络、梯度下降学习等变网络的困难等问题。