新理论：课程学习真正的价值在于忘掉简单规则而非学新规则
summerfieldlab · x · 2026-11-05
牛津 Summerfield 实验室发布新论文《Curriculum unlearning in humans and neural networks》（arXiv:2610.04565，作者 Jirko Rubruck、Alice Zhang、Andrew Saxe、Christopher Summerfield），用神经网络建模解释「为什么学习时先练简单例子再练难题更有效」。
核心发现：
- 人类和神经网络在学习时都表现出「简单性偏置」——倾向先学到欠拟合数据的简单规则，神经网络中该偏置伴随表征压缩。
- 由简到难的课程之所以有效，不是帮「学」，而是帮「忘」（unlearning）：课程帮助学习者突破这种压缩，发展出维度合适的任务表征与策略。
- 理论还预言并验证：预先接触过简单任务、初始表征更压缩的学习者，从课程中获益更多。
「研究」频道最新
- Floridi 团队新论文:把 Agent Harness 拆成八个组件做可移植规范 — mikeflache · 2026-11-05
- Zuse：面向 27 种欧洲语言的决策模型家族，27B 版本准确率达 87.5% — kalyan_kpl · 2026-11-05
- Nielsen 提出 merge-and-split k-means 启发式，可跳出 Lloyd 局部最优 — FrnkNlsn · 2026-11-05
- 3D 扫描物体数据集 scanned-objects-glb 登上 Hugging Face 热榜 — codepawl · 2026-11-05
- 北大等发布 PyRUA-REAL：机器人在真实世界递归自我改进 — Qiang Wang · 2026-11-05
- 微软研究院 HCU：程序化+语义+视觉三通道统一通用 Agent 界面 — MicrosoftResearch · 2026-11-05