有限大脑无界泛化：空间记忆作为通用计算机

摘要

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。

这里提供经过审核的摘要。完整内容请前往原文阅读。

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。