研究人员开发了一组神经科学启发的自监督目标和神经架构，用于从无标记神经记录中进行表征学习。实验证明这些目标学习到的表征能够普遍适用于不同的被试者、数据集和任务，并比仅使用有标记数据时更快地学习。此外，为两个基础性语音解码任务设置了新的基准，这些方法现在可以利用更多的现有数据来训练语音解码模型。

这项研究调查了视觉转换器中的社会偏见，发现反事实增强训练可以减少偏见，大模型的偏见较少，使用辨别目标进行训练的模型偏见较少。不同的自监督目标可能导致相反的偏见。研究揭示了导致社会偏见的因素，并提出了改善方法。

这项研究调查了视觉转换器（ViT）中的社会偏见，并发现反事实增强训练可以减轻偏见，大模型的偏见较少，使用辨别目标进行训练的模型偏见较少。此外，不同的自监督目标可能导致相反的偏见。研究揭示了社会偏见出现的因素，并提出了改善方法。