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。

中餐因烹饪方法灵活多变，难以保持味道一致，导致在米其林等评价体系中评分较低。厨师常根据当天食材调整做法，缺乏标准化流程。为提升中餐的稳定性，需要借鉴西方的流程控制理念，建立量化标准，以确保每次出品的质量。