可解释性与机制分析
突破级
有讲解视频
收录解读
问题与背景 这篇论文问的是一个经典认知科学问题：对象绑定是否会在大规模预训练 ViT 中自然涌现。过去很多工作认为对象级绑定需要显式 object-centric 机制，而纯连接主义的 ViT 可能只能学到局部特征和注意力热区，缺少真正的绑定能力。
方法与新意 作者提出了一个可操作的表征量 `IsSameObject`，并用 quadratic similarity probe 去解码两个 patch 是否属于同一对象。结果显示，在 DINO、CLIP 和监督式 ViT 中，这个信号能被高精度解码；而在 MAE 中明显更弱。作者还进一步做了子空间分析和消融，论证这一对象绑定信号不仅存在，而且参与了下游任务。
意义与仓库位置 这篇适合放在机制解释与认知交叉主线。它的重要性不只是对 ViT 做 probe，而是把“对象绑定”这个认知科学问题转成了可测、可干预的现代模型机制问题，说明某种 symbolic grouping 能在 connectionist vision model 里自然涌现。
局限与为什么不更高一级 这篇的证据主要集中在表征解码与消融分析，还不是一个直接改变视觉模型训练范式的工作。它非常适合做机制和认知桥接，但还没有到路线重排级别，所以我把它放在突破性。