本文探讨了视觉变换器（ViTs）在子群体转变时的预测错误，并提出了一种基于超网络的定位-编辑方法，以提升ViTs在对象识别任务中的性能。

本研究探讨启发式估计器在预测自身错误时的不足，提出不应预测自身错误的原则。理想估计器应具备迭代估计和误差正交性。尽管构建准确估计器具有挑战性，但该研究为理解估计器行为及其在神经网络中的应用提供了新视角。