神经功能对齐空间: 人脑参考的人工神经网络表征
计算机视觉与模式识别
2026-03-03 v1
摘要
我们提出了神经功能对齐空间（NFAS），一个以大脑为参考的人工神经网络特征表征框架。NFAS 不同于传统对齐方法，后者依赖于层级特征或任务特定的激活值，通过建模刺激表征在网络深度中的内在动力学演化来实现。具体而言，我们将层级嵌入建模为深度动力学轨迹，并应用动态模式分解（DMD）提取稳定模式。该表征随后投射到由分布式神经反应定义的生物学锚定坐标系中。我们还引入了信噪比一致性指数（SNCI）来量化跨模型在模态层面的一致性。我们在45个预训练模型（涵盖视觉、音频和语言）上发现，NFAS 揭示了该大脑参考空间中的结构化组织，包括模态特定的聚类和跨模态在整合皮层系统中的收敛。我们的发现表明，表征的动力学提供了一个原则性的基础。
引用
@article{arxiv.2603.00793,
title = {Neural Functional Alignment Space: Brain-Referenced Representation of Artificial Neural Networks},
author = {Ruiyu Yan and Hanqi Jiang and Yi Pan and Xiaobo Li and Tianming Liu and Xi Jiang and Lin Zhao},
journal= {arXiv preprint arXiv:2603.00793},
year = {2026}
}