观点论文引热议:没有神经编码模型,因果实验答不了因果问题
ShahabBakht · x · 2026-10-06
Shahab Bakht 在讨论中推荐一篇 perspective paper,核心论点是:所谓「因果」实验只有在先具备神经编码(neural code)模型的前提下,才能真正回答因果问题——而这一前提在现实的实验设置中几乎从不成立。回复者补充认为,该局限更多是理论层面而非实验层面的:我们目前并不知道如何在复杂、多尺度、自适应的网络中用扰动推断因果性。这条讨论指向了神经科学与可解释性研究中「扰动实验 = 因果证据」这一默认假设的深层裂缝。
「研究」频道最新
- 11 个正方形装箱最优性获证明:Astra 与 Claude 协助在 Lean 中形式化 — ctjlewis · 2026-10-07
- COLM 2026 现场:研究员探索通用一次性 Agent 与演化知识库的 RSI 新范式 — yisongyue · 2026-10-07
- 数学家 John Urschel 证明高斯消元增长因子约为 n^1/2,破解 Trefethen 长期猜想 — ctjlewis · 2026-10-07
- 记忆到底存在哪:RNN、Transformer 与 SSM 的工作记忆对比 — Pretty_Upstairs9035 · 2026-10-07
- KNOWS 基准发布:联合评测 Agent 搜索、工具与视觉理解三能力 — anmarasovic · 2026-10-07
- ID-Forcing 方法让自回归视频模型无需微调生成分钟级长视频 — _akhaliq · 2026-10-07