新论文挑战 Barlow 神经学说：群体编码比单神经元表征更多可解释特征
Hidenori8Tanaka · x · 2026-09-12
Cold Spring Harbor Laboratory 的 Habon Issa、Sunny Liu、Jona Ballé 与 David Klindt 在 bioRxiv 发布新论文，质疑 Barlow 1972 年神经学说中「为每个神经元寻找触发特征」的理解框架：
- 方法：从猕猴 V4 和 IT 视觉皮层电生理数据集及视觉模型中计算提取群体编码（population codes），并引入自动化方法度量表征的可解释性与多样性，分离神经元与群体各自编码的独特、有意义特征。
- 发现：跨数据集看，群体比单个神经元表征出更多可解释、更多样的特征；这一优势随采样神经元数量和图像多样性的增加而增长。
- 通过定向消融实验验证了可解释表征的功能作用。
- 该工作与 AI 中的 superposition（叠加）概念相呼应，对理解神经网络表征有双向启发意义。
「模型」频道最新
- GPT-Live τ-Voice 成绩相差 20 个百分点，后端模型影响巨大 — rdesh26 · 2026-09-12
- GPT-Live 定价 $0.05/分钟折算约 $28/M tokens，或为中型前端模型 — rdesh26 · 2026-09-12
- 开发者逆向工程 Astra 计算机使用能力，声称提速 2 倍 — iamrobotbear · 2026-09-12
- DeepSeek 发布 V4.1-Flash：原生视觉理解，建站成本仅 Claude 的 1/40 — togethercompute · 2026-09-12
- 「病毒式突破」实为三年老技术:abliterated GLM 5.3 解禁内幕 — thursdai_pod · 2026-09-12
- 671B 参数模型每 token 只激活约 37B:一文讲透 MoE 原理与代价 — techNmak · 2026-09-12