LeCun 点评生物可塑性学习算法：一切在 MNIST 上都管用

aran_nayebi · x · 2026-09-16

Sakana AI 的生物可塑性学习研究引发 Yann LeCun 参与，他指出该方法本质上是「target prop」的一个变体：每一层的输入作为自由隐变量、为上一层的输出提供目标，并可从带增广拉格朗日的反向传播推导得出（将「相邻层输入输出一致」约束转化为惩罚项）。

研究者 Aran Nayebi 回应质疑：这些结果只在 MNIST 上验证，而 MNIST 上连 Feedback Alignment 这种简单方法都能奏效，所以「什么都能在 MNIST 上工作」；真正的检验是在大规模训练中无需 weight transport 仍能有效学习。他提到六年前就有工作在 ImageNet 上让生物可塑性学习与反向传播同样可扩展，并附上相关论文链接。