神经科学实证:生物神经网络的突触可塑性近似反向传播
aran_nayebi · x · 2026-10-04
MIT 研究者 Aran Nayebi 讨论 2025 年 Nature 上 Francioni 等人的实验研究:神经科学家首次在实验上验证了生物神经网络中的学习规则近似反向传播(backpropagation),这是目前关于生物学习算法最有力的一批证据。
他回忆 2020 年团队曾提出首批能像 backprop 一样扩展的生物可实现(bio-plausible)学习规则,并穷举了学习规则原语搜索空间,发现没有任何规则能超越 backprop;性能追平 backprop 的规则,其产生的表征也与大脑 IT 区(下颞叶皮层)最接近。
「研究」频道最新
- CoFlow 用对比轨迹排斥减少 Flow Matching 轨迹交叉,提升少步生成 — burny_tech · 2026-10-04
- EgoTools:100 小时第一视角工具使用数据集,8B 模型准确率提升 10.9 个点 — liuziwei7 · 2026-10-04
- ARROW 发布:任意图像集统一 3D 重建与点跟踪,刷新两项 SOTA — CSProfKGD · 2026-10-04
- Looped-DiT:260M 循环复用层数 beaten 6.5 倍大模型,推理算力省 4.9 倍 — burny_tech · 2026-10-04
- 潜空间通信论文合辑:多智能体 KV-Cache 完整性与状态轨迹传输 — burny_tech · 2026-10-04
- 绕开离散优化局部最优:DNA 设计先用梯度下降再查合成商目录 — anshulkundaje · 2026-10-04