挑战柏拉图表示假说：新论文提出「亚里士多德表示假说」
burny_tech · x · 2026-10-20
一项新研究质疑柏拉图表示假说（Platonic Representation Hypothesis）——即不同模态的神经网络随规模扩大收敛到同一表示。作者指出，常用的表征相似性度量被网络宽度与深度混淆，并提出基于置换的零假设校准方法。校正后：全局收敛基本消失，仅局部邻域结构保留。据此提出「亚里士多德表示假说」：不同目标、不同数据与模态训练的神经网络，收敛到的是共享的局部邻域关系，而非全局同一表示。论文由 mariabrbic 与 Fabian Groger、Shuo Wen 合作。
「研究」频道最新
- 发布机器人双基准：MicroPlanBench 与 MicroAnnotationBench 首批排名揭晓 — chris_j_paxton · 2026-10-20
- ICLR 审稿人崩溃:一天审五篇几乎全是 AI 代写,呼吁改革 — peterbhase · 2026-10-20
- Meta 论文：软硬协同设计使 AMD MI350X 训练吞吐量提升至 1.5 倍 — burny_tech · 2026-10-20
- 新工作「Continuous Softmax Attention」引关注 — burny_tech · 2026-10-20
- Muon 优化器改进：按需选多项式，可省约 0.5% LLM 训练算力 — burny_tech · 2026-10-20
- HeadEdit：不改权重即可校准 LLM 行为，九项实验全面生效 — burny_tech · 2026-10-20