arXiv q-bio.NC（Neurons and Cognition）·· 12 天前AI 评分26
无需编码对齐的解码对齐：对神经科学中相似性分析的批判
Decoding Alignment without Encoding Alignment: A critique of similarity analysis in neuroscience
AI 导读
研究指出 RSA、CKA 和 Procrustes R² 等基于解码的相似性指标对编码流形拓扑不敏感。在 MNIST 对照实验中，通过辅助聚类损失因果操纵编码拓扑后，这些指标统计上不变，但两组模型群体在归因模式、权重图同配性和分布外鲁棒性上差异显著。作者提出以编码流形和 Gromov-Wasserstein 距离作为补充诊断工具，并提供 Neural Manifold Explorer 工具。
AI 要点
团队
第一作者 Johannes Bertram，末位作者 Steven W. Zucker，共 5 位作者。
主要结果
在受控 MNIST 实验中，通过辅助聚类损失因果操纵编码拓扑后，RSA、CKA 和 Procrustes R² 统计上不变，而两个模型群体在归因模式、权重图同配性和分布外鲁棒性上差异显著。
解决什么问题
指出 RSA、CKA 等基于解码的相似性度量对编码流形拓扑不敏感，无法区分两个网络是否共享相同计算回路。
方法
受控 MNIST 实验，用辅助聚类损失因果操纵编码拓扑；跨生物系统与机器学习模型比较解码行为。
局限
从研究设计看，核心证据来自受控 MNIST 实验，结论向生物系统的推广基于观察性比较。
AI 依据原文整理，未经人工核对。
来源：arXiv q-bio.NC（Neurons and Cognition） · arxiv.org