Nature 子刊：受大脑「认知地图」启发，类脑模型实现低能耗规划
CAP-XPLAB · reddit · 2026-08-05
近期发表于 Nature Machine Intelligence 的一项研究探讨了如何通过模仿大脑机制来实现低能耗的复杂规划。大脑仅需约 20 瓦特能量即可瞬间解决新问题，而当前大型 AI 系统则需消耗巨量算力。
研究提出了生成式认知地图学习器（GCML）。其核心机制类似于人类对城市的心理地图，通过构建抽象关系网络来进行「想象」与路径规划。该模型的突破在于引入了受控的随机性，从而能针对单一目标生成多种可行的解决方案，类似于人类的直觉。
这种神经形态算法具备三大优势：
- 自主学习：依靠简单的局部规则在探索中学习。
- 动态适应：当目标发生改变时，无需重新训练即可瞬间适应。
- 超低能耗：非常适合部署在边缘计算设备上，而非依赖大型数据中心。
此外，开发者还基于 POWER-KI 创建了配套的教育程序，允许用户通过可视化界面亲手训练认知地图，观察其如何实时绕过障碍并解决组合问题。这表明，解决未知问题未必需要盲目扩大模型参数，借鉴大脑的精简原则同样是一条极具潜力的路径。
「研究」频道最新
- SDXL 模型 NVFP4 量化实测：HSWQ 方案显著优于原生量化 — Zestyclose_Bake3680 · 2026-08-05
- 开发者用单张 H100 训练 2 小时打造 203M 葡语模型 — War_Enterprise · 2026-08-05
- NeurIPS 审稿机制引热议：作者呼吁审稿人明确评分弹性 — miniapeur · 2026-08-05
- 长提示词反损画质？论文揭示文生图文本控制新解法 — rohanpaul_ai · 2026-08-05
- 研究：微调仅需篡改 0.5% 数据即可植入大模型后门 — connoraxiotes · 2026-08-05
- 康奈尔研究：最新 LLM 拒绝盲目附和，不再讨好用户 — i_dg23 · 2026-08-05