技术
Permutation Invariance（置换不变性）
Permutation Invariance 指模型对输入元素的顺序变化保持不变的性质，即输出不依赖于输入的排列顺序。它解决了集合、图等无序数据建模中的顺序敏感问题，典型应用于点云处理（如 PointNet）、集合预测和注意力机制中的对称函数设计，确保模型关注元素本身而非位置。
详细解释
在深度学习中，许多数据天然具有排列不变性，如点云、集合和图。模型需设计为对称函数，例如通过最大池化、平均池化或注意力机制来聚合元素特征。PointNet 是典型代表，它通过共享 MLP 和最大池化实现点云分类与分割。Transformer 中的自注意力对输入顺序具有置换等变性，但需位置编码引入顺序信息。排列不变性是许多架构（如 Deep Sets）的理论基础。
别名与相关写法
permutation invariance