移动权重仅 1.3%，ViT 表征已面目全非：新方法 HNC 揭示网络内部冗余

Boston University 研究者 Ann Huang 提出 Hessian Null Space Continuation（HNC）方法，研究训练后神经网络周围的表征多样性。在不改变模型预测输出的前提下，ViT 权重仅移动 1.3%，其内部表征就与原始模型差异巨大。该差异甚至超过随机初始化的 ViT，说明"预测不变"方向上存在大量冗余自由度。