最新研究表明，视觉模型与人脑的相似性受模型大小、训练数据量和图像类型的影响。DINOv3模型在训练中逐步与人脑表征一致，尤其在使用人类相关图像时效果最佳。研究发现，模型学习的表征层级与大脑结构高度一致，不同特征的出现速度也存在差异。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，简化数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

本研究探讨深度神经网络的可解释性，提出从几何角度理解特征与数据分布的关系。结果表明，特征可分为上下文特征、成分特征和表面特征，为机制可解释性提供了新见解，并指引未来研究方向。

本研究提出了一种统一的信息论方程，概括了表征学习中多种损失函数的多样性。研究发现多种机器学习方法能够最小化KL散度积分，支持聚类、谱方法和对比学习，并开发了新损失函数，使ImageNet-1K的无监督分类性能提升超过8%。

该研究关注如何理解和减轻大型语言模型（LLMs）在高风险决策中的偏见问题。通过引入招生和招聘决策任务，研究发现现有模型表现出明显的种族偏见，且多种提示策略无法消除这些偏见。研究还提出了一种新的方法，通过识别模型激活中的“种族子空间”来干预决策，结果表明这一方法能够显著减少偏见，虽然种族表征的普遍性仍面临挑战。

本研究解决了眼科医生在诊断中面临的多模态数据不足和隐私问题。提出的精髓点与解耦表征学习（EDRL）策略通过自蒸馏机制改进特征选择和解耦，从而在眼科疾病诊断中实现更强的鲁棒性和可解释性。实验结果显示，EDRL策略在多模态眼科数据集上的表现优于当前最先进的方法。

本研究探讨了大语言模型的安全对齐问题，揭示了拒绝机制的复杂性，并通过新的梯度表征工程方法识别了多个拒绝方向，挑战了传统观点，为理解大语言模型奠定了新基础。

本研究解决了大语言模型在预测和可处理性方面的不足，通过对比输入样本的利用，进行高层次概念表征的检测与编辑。论文提供了表征工程的目标与方法的系统性框架，并提出了未来的研究议程，以实现更可预测、安全和个性化的大语言模型。

该研究探讨了深度语言模型与大脑神经活动的对齐，结合可解释人工智能方法，揭示了大脑语言处理的层次结构及其与模型的关系，为理解语言理解的神经机制提供了新工具。

本研究提出了一种结构化的持续学习方法，旨在解决机器学习中的信息丢失和理解困难问题。该方法通过网络精炼有效捕捉对象的核心结构，并在MNIST数据集上逐步学习，展示了创建紧凑且可理解表征的潜力。