论文探讨神经流形中语义对应的几何结构

论文提出语义对应可对齐独立训练模型的表示结构

资讯摘要

一篇论文提出，独立训练的神经网络虽因架构、初始化和优化路径不同而参数化互不兼容，但可通过识别指向同一语义内容的元素建立“语义对应”，从而锚定共享语义框架并揭示内在几何结构。作者报告据此完成十四项贡献，覆盖零样本模型拼接、跨模态翻译、策略迁移、激活引导与神经解码，涉及视觉、语言、强化学习与神经科学，以及 CNN、Transformer、图网络等架构。

要点速读

1. 论文将语义对应视为揭示不兼容参数化之下共享几何结构的基本原语，可实现独立训练模型间的零样本转换。
2. 十四项贡献覆盖零样本模型拼接、跨模态翻译、策略迁移、激活引导和神经解码，跨视觉、语言、强化学习与神经科学领域。
3. 作者报告 fMRI 数据显示，不同人脑处理相同刺激时也呈现可对齐的几何结构。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。