神经科学与认知科学
突破级
暂无讲解视频
收录解读
这篇论文值得收录不是因为它给出新模型，而是因为它直接挑战 neuroscience / NeuroAI 里常用的 similarity analysis 解释方式。它强调 decoding alignment 不能推出 encoding alignment。
这个 critique 对 AI 有明确外溢价值。当前大量模型-脑比较依赖 representation similarity、decoding similarity 或线性 probe 结果来宣称机制相似，但这些证据可能只说明可读出结果相似，而不是内部编码或功能原则相同。
它值得正式收录，因为本库对 neuroscience 的标准是必须提供 AI-relevant brain principle 或方法论澄清。这篇正好提供了对模型-脑对齐评估的基础性警告。
它没有更高，是因为它是方法批判和理论澄清，后续还需要替代评估框架和实证案例来形成新标准。