为何条条大路并非都通罗马：人类视觉皮层层级中的表征几何差异

基于摘要分析。本研究关注人类视觉皮层及人工神经网络如何在高效编码多种输入属性与抵抗噪声之间权衡，采用群体表征几何框架，考察无尺度几何是否为不同层级与训练目标下的共同性质。作者提出，表征几何依赖系统的计算目标，而非普遍不变的属性。 作者报告，在所分析的腹侧视觉通路区域中，多数区域呈现以幂律衰减特征值谱为特征的通用、无尺度表征，但某些高阶视觉区域不具备这一性质。在人工神经网络分析中，作者报告，自监督目标训练后的网络也呈现无尺度几何，而针对特定任务微调后则不再呈现该性质。作者结合这些经验观察与分析性见解，支持计算目标与表征几何相关的解释；摘要不足以确定这种关系的因果范围。 技术上，特征值谱提供了比较表征中变异如何分布于不同方向的共同视角。需核对的数据包括脑信号采集模态、视觉刺激与任务、被试数量、脑区定义，以及网络架构、自监督目标、微调任务、谱估计与幂律检验方法。实验协议、消融及统计信息尚未验证，不能将不同区域或训练状态的观察直接外推为所有脑区或网络的规律。 平台推测（待验证）：若将该框架用于 EEG 表征分析，可检验自监督预训练与任务微调是否对应不同的谱结构；可复用的是表征谱分析框架，需要适配的是通道或潜在特征空间、时间窗与噪声处理。该假设对应 EEG 中信息压缩与噪声鲁棒性的权衡问题，但低信噪比、有限样本及被试和通道差异均可能改变谱形。一个小规模检验是在同一 EEG 数据集、固定跨被试划分下，比较同一编码器微调前后的表征谱及噪声扰动下的任务性能，检验谱变化是否稳定且与鲁棒性相关，而非预设无尺度表征更优。相关 EEG 工作尚未检索确认。