架构化可解释性：用结构化瓶颈让模型预测脑动态可解释
PlisSergey · x · 2026-10-28
研究者 Sergey Plis 预告将于 11 月 10 日在数学与统计创新研究所（IMSI）做演讲，主题是「瓶颈中的信息：面向脑动态的架构化可解释性（ArchInterp）」。
核心问题：深度学习能仅凭神经影像预测诊断状态，但预测准确并不等于解释了背后的脑过程。ArchInterp 提出一条补充路线：在编码器与解码器之间加入结构化瓶颈，强制预测所用的信息必须经过一个可检查、可约束的表示。在功能神经影像工作中，这个瓶颈是一张表示脑区间交互的图，使交互成为模型计算的显式部分。
演讲还将讨论：图的边到底代表什么、在何种假设下支持因果解释，以及如何走向因果可解释的功能影像模型——最终目标是让预测模型服务于对脑动态与行为、障碍关系的科学解释。
所属事件:Sergey Plis 将讲架构化可解释性：让脑动态模型自带可检验表征(2 条相关)→
「研究」频道最新
- GenAI 正渗入畅销小说，作者团队研究获 Nature 报道 — TuhinChakr · 2026-10-28
- Nathan Lambert:开源模型被高估的榜单与评测行业的困境 — natolambert · 2026-10-28
- 实测 Stanford NCM：单请求快 4 倍，64 并发反慢 4-8 倍 — Prompt Engineering · 2026-10-28
- 清华与 CUHK 提出 Cache Engineering:agent 降本 27.7% 还提分 1.7 — TheTuringPost · 2026-10-28
- mHC 残差流疑随深度收敛,DeepSeek v4 实验者推荐 iHC 引发讨论 — teortaxesTex · 2026-10-28
- Qwenputer：把 32 位 RISC-V CPU 编进 Qwen3.5 权重，Gated DeltaNet 当内存 — LatentSpacer · 2026-10-28