DeepMind 等新论文：策略竞合解释上下文学习的涌现与消逝
scychan_brains · x · 2026-09-01
arXiv 2503.05631，作者来自 DeepMind 与牛津（Aaditya K. Singh、Felix Hill、Stephanie C.Y. Chan 等），研究上下文学习（ICL）为何在训练中涌现又在长时训练后消失。
核心发现：
- ICL 消失后，模型的渐近策略是一种 in-weights 与 in-context 学习的混合体，作者称为 CIWL（context-constrained in-weights learning）；
- CIWL 与 ICL 既竞争又共享子回路，形成「策略竞合」：ICL 无法独立快速涌现，需依赖 CIWL 的缓慢发展来启用；
- 提出一个能复现这些动力学的最小数学模型，并据此找到了能让 ICL 真正持续涌现的训练设置。
「研究」频道最新
- Sebastian Raschka 拆解 The Information 的 OpenAI Astra「循环Transformer」传闻 — rasbt · 2026-09-03
- 技术圈质疑 Astra 循环架构:最可能只是每层跑两遍的调度 — mike64_t · 2026-09-03
- 研究者入选 Cosmos 计划，三个月攻关 LLM 思维忠实性 — hunarbatra · 2026-09-03
- Video Delta Net 让开源视频生成提速 75–90 倍，14 秒视频 11 秒生成 — xiuyu_l · 2026-09-03
- CoreAuto 发布神经网络架构自动发现新博客文章 — _arohan_ · 2026-09-03
- 研究者称其任务的强化学习「可能已被攻克」 — andrew_n_carr · 2026-09-03