待验证50% 置信事实精确时间

纯Hebbian规则面临不稳定问题：正反馈可能导致权重无限增长。

1

来源数

50%

置信度

长期有效

时效性

2026/10/13

首次发现

来源

神经网络如何自建学习机制：无监督学习的脑科学启示

涉及实体

Hebbian学习规则concept

相关事实

待验证为改进Hebbian规则的稳定性，研究者提出了Oja规则（引入权重衰减实现归一化）和BCM规则（引入滑动修改阈值）。65% 相似待验证任何依赖实验室自我约束的对齐机制都面临激励错位难题，实验室天然倾向于把叫停模型的阈值设得很高61% 相似待验证大模型对指令的敏感度呈非线性分布——主干指令的微小改动可能引发全局行为漂移，而在末尾追加具体的边界条件则相对安全60% 相似待验证过度持久的约束不仅会引发死循环，还会让智能体失去根据中间结果调整策略的能力，在遇到异常返回、工具报错或需要向用户澄清时无法脱身。60% 相似待验证Helo能够在问题发件人拖累整体送达率之前将其隔离控制59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1021835

API

curl https://kongchang.com/api/v1/knowledge/claims/1021835

MCP

get_claim(id=1021835)