神经场编码适应几何：NeurIPS 2026 NeurReps 工作揭示拟合网络的隐藏信息

神经场通常以重建效果评估，但研究显示这忽略了两个有用属性：网络适应新观测的难易程度，以及权重从早期观测中保留的信息。图像实验中，简单局部线性模型能准确预测适应成本，替换切线核会显著恶化预测；物理场实验中，两个波历史终止于同一观测时，最终权重以 68.6% 准确率恢复波速符号，而仅凭当前观测只有 50%。切线核特征值可同时预测哪些变化易学以及被后续拟合覆盖的速度。