表征形成的信息几何学

研究提出将神经网络表征学习视为几何轨迹，利用 Bures 几何与量子 Fisher 信息量化内部结构的动态形成过程。实验发现计算所需的输入交互阶数越高轨迹越曲折，且路径曲折度能准确预测表征在持续训练中的漂移与参数微扰敏感性。此外，该形成几何还能通过表征感知优化进行主动干预与塑造。