视觉模型人类可解释性测量框架提出

2026年10月15日，arXiv Computer Vision 刊出一项由 Julien Colin 等作者完成的研究，提出并应用了一套测量视觉模型人类可解释性的框架。该框架围绕两套互补的心理物理学协议构建，特征通过稀疏自编码器提取，并用机会锚定的评分函数将每个模型置于同一尺度上比较。研究将该框架应用于六个视觉 Transformer，包括两个监督 ViT 和四个基础模型（DINOv2、DINOv3、CLIP、SigLIP），共收集超过 15,000 份行为反应，并分析了其中通过预设质检的 377 名参与者的 13,400 份反应。研究强调能力不等于可解释性，旨在测量和比较视觉模型的人类可解释性。截至该报道，尚无后续跟进报道，事件进展限于该研究本身。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。