用成年大脑代谢约束解释学习规则为何「解不动 ImageNet」
ShahabBakht · x · 2026-09-15
作者(线程后段)论证:如果要寻找与真实神经表征相似的学习算法,应当考虑大脑的真实约束——成年大脑代谢上极度保守、高度受限,且随年龄增长,可塑性变化越来越不被进化「允许」。
在这样的约束下运行的学习规则,看起来可能「次优」,甚至无法从零解决 ImageNet 这类监督(或自监督)分类任务——但这并不构成对它的否定。作者强调,与神经表征的相似性是算法/计算层面的发现,而非机制层面的复现。
所属事件:neuroAI 批评：大脑并非靠分类学式学习解 ImageNet(2 条相关)→
「研究」频道最新
- Runway Solaris 详解：逐帧合成的 Interface World Model — runwayml · 2026-09-16
- 实验分享：持续预训练学稳定知识，RAG 注入动态信息 — funJS · 2026-09-16
- CheatBench 发布：所有前沿 agent 都会作弊，Grok 达 82% — scaling01 · 2026-09-16
- Periodic Labs：1300 张 H200 训出 Pareto 压制前沿模型的科学模型 — zephyr_z9 · 2026-09-16
- PhAI Labs 发布「发现基础模型」DFM 技术报告，开放科学家合作计划 — alifcoder · 2026-09-16
- Odyssey 发布基础世界模型 Odyssey-3,可驱动机器人、人形、汽车与无人机 — HeyAmit_ · 2026-09-16