权重挪动 1.3% 表征大变，HNC 方法挑战柏拉图表征假说

neuroecology · x · 2026-10-15

新论文提出 Hessian Null Space Continuation（HNC） 方法，可在不改变网络预测的情况下系统探索解空间，并对「柏拉图表征假说」提出实证挑战。

• 核心发现：将一个 ViT 的权重沿 Hessian 零空间移动仅 1.3%、预测完全保持不变，其内部表征与原模型的相似度竟低于一个随机初始化 ViT 与原模型的相似度——说明训练网络周围的表征多样性极大。
• 论证脉络：神经网络解谷广阔稠密，沿 HNC「漫游」可遇到大量性能相同的解，其中一些与其他模型或大脑表征对齐，一些完全不对齐。这表明表征对齐并非任务优化的必然结果，而可能取决于优化器等选择。
• 附加价值：HNC 还可用于主动寻找具备稀疏性、安全性等理想性质的解，而不牺牲性能。
• 工作由 Ann Huang 主导，作者称这并不意味着表征对齐是「幻觉」，只是它不是不可避免的。

所属事件:HNC 方法：权重仅动 1.3% 表征剧变(3 条相关)→

原文链接 →

「研究」频道最新

• 斯坦福 CS312「深度学习炼金术」新课:跑实验+预测结果练直觉 — stanfordnlp · 2026-10-15
• RLVR 数据 88% 陷入零优势陷阱，MagicBeanStalk 递归合成破解 — stanfordnlp · 2026-10-15
• DuoDiscover 破评测瓶颈：TPU 内核性能提升 2.68 倍 — stanfordnlp · 2026-10-15
• 单轨自行车机器人 UMV 登 Sci Robotics,会跳跃翻转特技 — joemeno · 2026-10-15
• 哈佛博士后五年磨一剑：BARRACUDA 让合成生物电路设计工程化 — NikoMcCarty · 2026-10-15
• LLM 智能体做材料科学:Samuel Alfred 在德州南方大学开讲 — Fowe · 2026-10-15

更多「研究」频道 AI 资讯 →