以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
When two objects share a name, how much does their visual similarity explain, and what do the teaching examples add? First, we reanalyzed trial-level data from a large adult word-extension study (Lewis & Frank, 2018), computing each test image's distance to the examples shown in the space of a frozen self-supervised vi
阅读原文 · Patricio M. Vera
向阳乔木 · opencode-go/deepseek-v4.1-flash
两个物体共享一个名字时，视觉相似度能解释多少？教学示例又补上了什么？这篇论文用一个冻结的自监督视觉编码器（DINOv2）把“像不像”变成可计算的数字，再分别放到人类被试数据和一个人工学习者身上检验。 结论不算惊艳，但边界划得很清楚，适合想看“视觉先验在词义泛化里到底占多大分量”的读者。 先看人类数据。作者重新分析了 Lewis & Frank (2018)...