有限大脑无界泛化:空间记忆作为通用计算机
arXiv — cs.AI ·
你需要知道
论文提出,有限神经系统的泛化可依赖重合(如相等性)而非坐标(如位置、计数、时间),从而处理任意长度的输入。其记忆架构基于循环、网格模块、位置细胞和海马索引,使机器能计算图灵可计算函数。在长度不超过40的字符串上训练后,模型在长度41–500的九项基准任务中平均准确率至少99%,其中五项是LSTM和Transformer无法解决的;在训练后给予新循环,可无误反转15,015个符号的字符串。
来源与证据
arXiv — cs.AI原文语言 · und ·原作者:Yuhang He, Si Wu · Source: arXiv and the named paper authors. Descriptive metadata: CC0 1.0.来源许可
各行业推荐理由
- 人工智能
该工作直接涉及“推理”和“模型”子主题,提出一种新颖的神经架构实现长度泛化,这是AI推理和模型设计中的关键挑战。
这里提供经过审核的摘要,完整文章请前往原始来源。