教 AI 像人类一样看世界

Google DeepMind 在 Nature 发表研究，提出一种让视觉模型内部表征更贴近人类知识层级的方法，并称对齐后模型更稳健、泛化更好。研究用认知科学的 odd-one-out 任务对比人类与模型判断，发现模型常依赖背景颜色、纹理等表层特征，从而做出与人类不同的选择。方法分三步：在预训练视觉模型 SigLIP-SO400M 上冻结主干、用 THINGS 数据集训练小型 adapter 作为教师，生成含百万张图像、数百万条类人判断的 AligNet 数据集，再据此微调学生模型。对齐后的模型在 odd-one-out、multi-arrangement 等认知科学任务上更常与人类判断一致，在 few-shot learning 和 distribution shift 上表现也更好。