新预印本：对抗训练显著提升 DNN 对人脑听皮层的预测精度
GretaTuckute · x · 2026-10-10
David Skrill、Jenelle Feather 与 Sam Norman-Haignere 发布 bioRxiv 预印本，提出用合成刺激去相关（decorrelate）不同编码模型的神经预测，从而区分相互竞争的模型。
- 方法核心：合成能分离各编码模型预测差异的听觉刺激，再测量人脑听皮层响应，避免模型间预测相关性导致的评估失真。
- 关键发现：对抗鲁棒训练带来的鲁棒性改进，使 DNN 对整个人类听觉皮层的神经预测精度大幅提升。
- 意义：为感官神经科学的编码模型比较提供了新工具，也佐证对抗训练让模型表征更接近人脑。
「漫话AGI」频道最新
- 道德分两层：博弈论演化的道德与内在价值的道德 — AaronBergman18 · 2026-10-10
- 因果结构能否复制意识?一场关于计算主义边界的激辩 — pwlot · 2026-10-10
- 有博主认为 ASI 或将极快解开量子引力难题 — Dr_Singularity · 2026-10-10
- 「意识太难研究」是伪命题：意识是唯一直接所知 — cccalum · 2026-10-10
- AI 从业者反驳「AI 报假警」报道:没有失控 AI,只有烧钱的营销叙事 — gerardsans · 2026-10-10
- AI 安全圈比动物保护圈更天真:警惕被「对齐洗白」利用 — birchlse · 2026-10-10