可解释性与机制分析
突破级
暂无讲解视频
收录解读
这篇论文的价值在于它没有把 hallucination 当成模糊的现象学问题，而是在一个 physics-guided scattering system 里把 generalization 上限和 hallucination 起因同时钉住。通过 transmission matrix 的可控变化，作者把 inverse mapping 数量、模型容量和非物理预测之间的关系拆清楚了。
最有用的点是它给出了可操作的解释：当模型无法同时容纳足够多的 distinct inverse mappings 时，预测就会滑向 unconstrained、non-physical outputs；而 residual ballistic light 则像一个 stabilizing anchor，能显著提升 robustness。这种机制分析对可靠成像和 inverse problems 比一般 benchmark paper 更耐用。
它值得正式收录，因为它对泛化与 hallucination 的关系提供了一个强解释框架，而且这个框架并不只局限于一个数据集，而是建立在物理可控系统和 wave-optics simulation 之上。对可靠 AI 成像、physics-guided learning 和 hallucination suppression 都有方法外溢。
它没有更高，是因为当前最直接的实证场景还是 scattering imaging；它对更广泛深度学习系统的普适性虽然有启发，但还没有被广泛验证。