研究者复盘:挑战神经科学「网格细胞」神话的论文背后故事
RylanSchaeffer · x · 2026-10-20
Schaeffer 回顾自己第一篇「有价值」的论文:挑战 NeuroAI 领域流行的假设——训练网络做路径积分就能自发产生哺乳动物大脑中获诺贝尔奖的网格细胞表征。配图显示实验结论:大多数网络能学会路径积分任务,但网格样响应需要高度特定的目标编码方式(如调优的 Difference-of-Softmaxes 读出),笛卡尔、极坐标或高斯编码都学不出网格细胞。他首次公开这篇论文的幕后故事,并引用乔布斯的话自勉:「别陷入你以为自己有什么可失去的陷阱,没有理由不追随内心」。被引用段落还提到他写过的三篇贝叶斯非参数流式变分推断论文,教训是「不能 scale 的精巧方法敌不过能 scale 的简单方法」。
「研究」频道最新
- OpenTac 上传 3D 模型 3 秒生成触觉传感器柔性电路,覆盖 93% 面积 — anand_bhattad · 2026-10-23
- arXiv 论文为 StopGrad 正名：无损失函数也能收敛到正确解 — srush_nlp · 2026-10-23
- PEARL 演示：LLM 机器人自主核对实验结果、修正方案并复测 — KevinKaichuang · 2026-10-23
- 伯克利 StyleStream 2.0：流式语音转换延迟降至 520ms 提速一倍 — Berkeley · 2026-10-23
- 数学博士生宣布离开学术界：AI 正让数学变得面目全非 — pickover · 2026-10-23
- ICLR 投稿现 LLM 残留自评：作者模型自曝结果不显著 — _onionesque · 2026-10-23