可证明安全边界

深度网络中的神经分化：表达性与表征多样性的理论框架

Neural Differentiation in Deep Networks: A Theoretical Framework for Expressivity and Representational Diversity

提出神经元级可微性指标 NDI 与训练时结构化剪枝方法 NDP，为视觉模型压缩提供可证明的误差上界与自适应稀疏化流程，可直接用于 CNN/ViT 等骨干网络的轻量化。