表征学习

该研究发现，学习会将局部敏感性集中在任务相关的因素上：用量子Fisher信息度量，表征对输入各因素的敏感程度在训练过程中发生再分配，任务相关维度获得更高敏感性，不相关维度被压缩。

生成质量的差距并不代表表征能力的差距，对于下游预测任务BD的表征可以直接使用而无需承担生成式推演的精度损失。