NeurIPS 2026 论文揭示视觉模型典型性偏差：失去典型邻居就认不出物体

入选 NeurIPS 2026 的论文《Stranger Things: When Objects Appear Without Their Typical Neighbours》指出，物体脱离通常共现的“邻居”场景后，视觉模型的识别能力会显著下降。研究把这一现象归为典型性偏差（typicality bias），认为主流视觉模型依赖物体的典型上下文，作者已通过系列推文展开讨论。