研究称 CNN 匹配 V1 的现象多为评估分辨率假象

核心结论

一项发表于 arXiv 的预印本指出，此前被广泛引用的「未训练 CNN 在表征相似性分析（RSA）上可媲美甚至超越反向传播训练 CNN」的结论，很可能是评估分辨率差异造成的假象。同时研究披露，三份早期预印本存在批归一化（BatchNorm）的评估模式缺陷，目前已在 arXiv 上完成勘误。

研究设计

作者团队搭建了一套小规模实验框架：一个 32 像素分辨率、在 CIFAR-10 子集上训练的 CNN，对比五种学习规则——随机初始化、反向传播（BP）、反馈对齐、预测编码、STDP。实验以 THINGS-fMRI 刺激集为输入，在权重与归一化参数固定的前提下，分别在 32、64、96、128、192、224 像素六种分辨率下评估各规则与初级视觉皮层 V1 的表征相似度。

关键发现：分辨率差异反转

研究的主要结果是，训练与未训练 BP 模型在 V1 上的差距并非单调变化：在 32 像素时该差距为 −0.001 ± 0.007，几乎可以忽略；而在 224 像素时扩大至 +0.044 ± 0.006，训练模型显著优于未训练模型。该模式在全部六个分辨率区间内保持一致（n=5 seeds），说明低分辨率恰好是未训练网络表现最佳的「甜蜜点」。

为排除混淆因素，作者额外引入完整训练轨迹、人类 fMRI、方向性单种子猕猴电生理记录，以及两种现成的 224 像素训练模型（ResNet-50、Swin-Tiny）作为对照。这些模型同样在低分辨率下出现峰值，进一步坐实了分辨率的独立作用。

排除项与残余效应

在位精确权重（bit-identical-weight）干预下，研究系统排除了多种替代解释：训练/评估分辨率匹配问题、Gabor/像素级低层结构、未训练基线未校准的批归一化，以及池化特征向全局亮度收敛。其中值得注意的是，仅标量亮度与 V1 的 ρ 达到 0.075，几乎等同于未训练网络自身的 0.076，作者认为这一发现本身对 RSA 比较方法提出了警示。

内容 vs 池化控制实验（将图像细节截断为 32 像素再上采样，对比允许内容变化的设置）进一步表明，依赖来自图像内容本身而非池化位置数量。

唯一在所有分辨率下均成立的学习效应是反向传播在 LOC（侧枕叶皮层）上对未训练网络的超越，意味着学习确实带来了可测影响，只是落在传统 V1 比较区域之外。

影响与勘误

论文指出分辨率效应在神经科学与 AI 交叉领域并非首次被忽视，Laskar et al. 2018 即讨论过感受野匹配问题；作者认为这一方向具有提示意义但尚未直接验证，欢迎同行针对该讨论框架提出反馈。研究还披露了一个意外收获：在三份早期预印本中发现了 BatchNorm 评估模式 bug，相关作者已在新一轮发布中完成修正。