Jayce 原型记忆框架:本地 LLM 即时学新事实,比反向传播快 1.6-4 倍
kavanutz · reddit · 2026-09-22
Reddit 用户 kavanutz 开源了名为 Jayce 的实验项目,灵感来自幼儿只靠少量示例和纠正就能学会新词——不必重训整个模型。
核心方法是 Adaptive Prototype Memory(APM):不改模型权重,而是抓取 LLM 的原始上下文向量,放入固定 4,096 个原型槽;模型答错被纠正时,立即把最近的数学原型向新数据移动。
作者公布的基准结果:
- 训练更新比使用 Adam 的标准反向传播快约 1.64 倍
- 在 MNIST 序列学习测试中,相同训练样本数下准确率反超反向传播
- 严格内存上限,完全离线运行,基于本地 Qwen3-4B GGUF
整个项目无框架依赖——纯 NumPy 加原生 Java 实现,仓库含完整基准数据、向量移动机制解析和可在终端自行测试学习循环的脚本。
「研究」频道最新
- O'Reilly 撰文拆解 AI 时代数据词汇:从数据仓库到本体论 — rseroter · 2026-09-22
- 神经科学团队升级动力学相似性分析 DSA，速度大幅提升且更通用 — GretaTuckute · 2026-09-22
- Glance:4B 开源 VLM 不生成直接读答案,省 85% GPU 成本 — multiply_matrix · 2026-09-22
- krea2-bbox-turbo 微调进行至 epoch 14,计划训到 20 后开源 — Amazing_Painter_7692 · 2026-09-22
- OpenAI 成立数学顾问组，其 AI 已解决逾百个数学开放问题 — TechCrunch AI · 2026-09-22
- SkillLift 用学习式评分替代真实 rollout,agent 技能进化省 40-70% token — dair_ai · 2026-09-22